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~