深度学习目标检测keras环境搭建遇到的问题总结

***目标检测深度学习小白报道***
我主要参照的这个人的博客来配的环境
https://www.cnblogs.com/kongcong/p/7772511.html
他使用的是theano做后端

Anaconda安装参照的这个,非常详细,谢谢博主
https://blog.csdn.net/ITLearnHall/article/details/81708148

配好anoconda后(托上面博主的福,我安装的很顺利,这里就不说了),要用cmd看看python
--version,一开始我没有看到python的版本,没有显示出来,我就以为没有安装好,所以自己
又下载了一个python-3.6.8-amd64.exe的安装包来安装,可就是这个小小的错误,浪费我很长
时间,后面import theano和import keras都不行,而且我找不出什么错误。通过百度,我感觉
只要anoconda安装好了,python环境就该有了的,于是我果断把自己安装的python3.6.8卸载了
,再用cmd查看python --version,出现了Python 3.6.4 ::Anoconda,Inc.直觉告诉我这才
是对的!!!

切换目录就用cd 文件夹名字,这样子一步步到要去的目录就可以了

后端要从tensorflow转换成theano,很简单,修改C:\Users\kongcong\.keras\keras.json 文
件 TensorFlow => theano就可以啦(ps:我是用Notepad++打开的)
//theano环境
{
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "theano",
    "image_data_format": "channels_last"
}
//tensorflow环境
{
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "tensorflow",
    "image_data_format": "channels_last"
}

现在我还有一个问题,按照“曲阜来的小胖子”博主配的环境,他使用的theano-master(博主给的链接根本下不了,我在别处下载的,链接>>https://codeload.github.com/Theano/Theano/zip/master),而我在
import keras时一直报错“ImportError :cannot import name 'tensor'”,我知道这是因为
无法从theano中找到tensor,因为我的theano文件夹是空的(新建变量pythonpath的时候新建了空文件夹theano),所有的文件都在theano-master里
面,一个个的把theano改为theano-master真的很麻烦,我改了很多个文件,还是没改到头,索性
不改了,改天再研究吧。

我的第一篇博客,简单记录一下,嘻嘻。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
深度学习是一种机器学习领域的分支,它致力于模拟人类大脑的神经网络结构和功能,通过大规模的数据和强大的计算能力,实现对复杂任务的自动化处理。在深度学习中,目标检测是一个重要的任务,它的目标是在图像或视频中准确地定位和识别出特定对象的位置。而Keras是一个用于构建和训练深度学习模型的高级神经网络API。 在使用Keras进行目标检测时,我们可以使用一种称为卷积神经网络(Convolutional Neural Network,CNN)的深度学习模型。CNN通过一系列的卷积层和池化层,学习图像的特征表示,并输出一个特定的目标检测结果。Keras提供了丰富的API和函数,使得构建和训练CNN模型变得简单而高效。 我们可以通过以下步骤来进行目标检测任务的开发使用Keras: 1. 数据准备:收集和准备包含目标对象的图像样本,同时标注每个目标的位置。这些数据将被用于训练和评估模型。 2. 构建模型:使用Keras提供的API,我们可以选择合适的卷积层、池化层和全连接层,按照顺序堆叠起来构建一个CNN模型。 3. 训练模型:使用准备好的数据集,我们将训练CNN模型,让其学习如何准确地识别目标的位置。Keras提供了一系列的优化算法,如梯度下降和反向传播,来自动地调整模型参数。 4. 评估模型:使用测试集评估模型的性能。通过计算准确率、召回率、F1分数等指标,来了解模型的效果,并进行调整和改进。 5. 预测结果:使用训练好的模型,我们可以对新的图像进行目标检测,并输出每个目标的位置和类别标签。 通过Keras进行目标检测的开发,可以使得整个过程更加简洁和高效。同时,Keras还支持使用GPU加速计算,进一步提高了深度学习模型的训练和推断速度。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值