python3.7安装keras教程_在Mac下的python3中安装keras并测试,mac,Keras

环境说明

本本环境：macbook air（还是14年的老战机了）

项目

内容

版本

10.14.4

处理器

1.4GHz Intel Core i5

内存

4GB

显卡

Intel HD Graphics 5000 1536 MB

深度学习框架：Keras+Tensorflow 阅读一些论文发现多用Tensorflow， 看了一些深度学习的书和网上的资料，感觉Keras对用户（小白）更友好一点，可以将Tensorflow、Theano或者CNTK为后端，选择了Tensorflow作为后端。

安装Keras的道路

小白一只，为了使用Keras建立CNN，开启了安装Keras的不知道坑不坑的道路！

升级Anaconda

打开终端，我先把Anaconda升级到最新版本（默认大家安装了这个）：

（1）终端输入

conda update conda

；看到下面的Proceed敲个

y

，可以继续更新。（2）更新完成后，终端输入

conda --version

，可以看更新到了哪个版本。我这里是更新到了conda 4.8.0

安装tensorflow并测试

之前看了别的一些方法，发现python3.7已经可以直接安装tensorflow了～

更新完以后，输入命令

pip install tensorflow

：

下载了一堆东西，然后，我猜测成功了！

那我们来测试一下真的安装成功没！我是在Anaconda的jupyter里试的，输入并运行code：

import tensorflow as tf

hi = tf.constant(‘Hi,nice girl!’)

print(hi)

#如果看到：

#tf.Tensor(b’Hi,nice girl!’, shape=(), dtype=string)

#是的，你成功了！

安装Keras并测试

很顺利的来到了这一步，在终端输入

pip install keras

，只需要等待就可：

在jupyter里面试了一下：import keras一下。

看到下面这个样子，就是安装成功了。

不放心我就随便找了一个使用keras的例子验证一下（例子来源:

link

.）：

import keras

from keras.models import Sequential

from keras.layers import Dense

import numpy as np

#输入训练数据 keras接收numpy数组类型的数据

x=np.array([[0,0,0],

[0,0,1],

[0,1,0],

[0,1,1],

[1,0,0],

[1,0,1],

[1,1,0],

[1,1,1]])

y=np.array([0,1,0,1,0,1,0,1]).T

#最简单的序贯模型，序贯模型是多个网络层的线性堆叠

simple_model=Sequential()

#dense层为全连接层

#第一层隐含层为全连接层 5个神经元 输入数据的维度为3

simple_model.add(Dense(8,input_dim=3,activation='relu'))

#第二个隐含层 4个神经元

simple_model.add(Dense(4,activation='relu'))

#输出层为1个神经元

simple_model.add(Dense(1,activation='sigmoid'))

#编译模型,训练模型之前需要编译模型

#编译模型的三个参数：优化器、损失函数、指标列表

simple_model.compile(optimizer='sgd',loss='mean_squared_error')

# 多分类问题

# simple_model.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy'])

#训练网络 1000次

#Keras以Numpy数组作为输入数据和标签的数据类型。训练模型一般使用fit函数

simple_model.fit(x,y,epochs=1000)

#应用模型 进行预测

y_=simple_model.predict_classes(np.array([[0,0,0]]))

print(y_)

y_=simple_model.predict_classes(np.array([[1,1,0]]))

print(y_)

可以运行，输出结果，就安装成功啦～