深度学习验证码识别(-)keras环境搭建

         Keras作为深度学习一个框架已越来越受到大家的青睐，后台可以实现theano和tensorflow的切换，编程简单，效果显著，现在我主要用Keras做一些图片识别的工作，把自己的一些心得和踩过的坑分享给大家。

         本分介绍的是在ubuntu14环境下安装Keras,本着最简单有效的方式：

         1.首先安装Python数据分析集成包Anaconda，里面包含numpy，scipy等数据分析常用的包。

            官网下载地址为:https://www.continuum.io/downloads/

            我下载的是Anaconda2-4.2.0-Linux-x86_64.sh包，运行安装即可，会替换本机的python

         2.我这里用的是Keras-1.1.0，没有使用pip install keras进行安装，而是下载keras包进行安装

            当时的下载地址好像为https://pypi.python.org/pypi/Keras。

            进入Keras目录运行 python setup.py install进行安装

         3.一般进行图片处理都会用到opencv，python安装opencv也是比较简单的，直接运行

pip install opencv-python来安装即可，网上说的 sudo apt-get install python-opencv个人觉得不好使。

4.后台切换theano或者tensorflow:
运行keras项目之后会出现.keras目录编辑~/.keras/keras.json来选择后台运行的方式

默认为tensorflow

{
"image_dim_ordering": "tf",
"epsilon": 1e-07,
"floatx": "float32",
"backend": "tensorflow"
}

可改为:

{
"image_dim_ordering": "th",
"epsilon": 1e-07,
"floatx": "float32",
"backend": "theano"
}

5.如果不适用GPU进行运算，上面步骤就可以进行测试使用keras了，如果需要使用GPU，首先是用Nvidia的显卡。
gtx1060，gtx1080都比较不错，再就是安装cuda驱动。
进入cuda驱动下载网站: https://developer.nvidia.com/cuda-downloads
下载相对应系统的驱动，按照提供的安装方式进行安装即可。网站上安装方式说的很详细也很人性化，建议不要使用在线安装。
6.配置theano gpu运算,后台一直用的是theano，需要配置一下才可使用：
我的配置方式为:

编辑~/.theanorc

[global] 
device=gpu
floatX=float32
[cuda]
root=/usr/local/cuda-8.0 #cuda路径

7.测试keras和是否使用gpu运算,代码来源于网络:
新建test_gpu1.py：

from theano import function, config, shared, sandbox
import theano.tensor as T 
import numpy 
import time 
vlen = 10 * 30 * 768 # 10 x #cores x # threads per core 
iters = 1000 
#THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python test_gpu1.py 
rng = numpy.random.RandomState(22) 
x = shared(numpy.asarray(rng.rand(vlen), config.floatX)) 
f = function([], T.exp(x)) 
print f.maker.fgraph.toposort() 
t0 = time.time() 
for i in xrange(iters): 
r = f() 
t1 = time.time() 
print 'Looping %d times took' % iters, t1 - t0, 'seconds' 
print 'Result is', r 
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]): 
print 'Used the cpu' 
else: 
print 'Used the gpu'

运行 python test_gpu.py 即可测试

通过以上配置已经可以正常使用keras进行神经网络训练,但其间还有一些警告性报错，以后慢慢解决。
转载注明出处~
欢迎关注本人微信公众号: