keras中文文档笔记4——配置与安装

最新推荐文章于 2024-01-22 15:32:51 发布

zhzhx0318

最新推荐文章于 2024-01-22 15:32:51 发布

阅读量958

点赞数

本文链接：https://blog.csdn.net/zhzhx1204/article/details/77393835

版权

配置

最低配置

如果您是仅仅用于自学或代码调试，亦或是条件所限仅采用自己现有的设备进行开发，那么您的电脑至少满足以下几点：

CPU：Intel第三代i5和i7以上系列产品或同性能AMD公司产品
内存：总容量4G以上

CPU说明

大多数CPU目前支持多核多线程，那么如果您采用CPU加速，就可以使用多线程运算。这方面的优势对于服务器CPU志强系列尤为关键

显卡说明

如果您的显卡是非NVIDIA公司的产品或是NVIDIA
GTX系列中型号的第一个数字低于6或NVIDIA的GT系列，都不建议您采用此类显卡进行加速计算，例如NVIDIA GT 910、NVIDIA GTX 460 等等。
如果您的显卡为笔记本上的GTX移动显卡（型号后面带有标识M），那么请您慎重使用显卡加速，因为移动版GPU容易发生过热烧毁现象。
如果您的显卡，显示的是诸如 HD5000,ATI 5650 等类型的显卡，那么您只能使用CPU加速。
如果您的显卡芯片为Pascal架构（NVIDIA GTX 1080,NVIDIA GTX 1070等），您只能在之后的配置中选择CUDA 8.0

Linux下安装

Ubuntu初始环境设置

强烈建议采用新版的Ubuntu 16.04 LTS 。

Ubuntu是Nvidia官方以及绝大多数深度学习框架默认开发环境。

个人不建议使用Ubuntu其他版本，由于GCC编译器版本不同，会导致很多依赖无法有效安装。

# 系统升级
>>> sudo apt update
>>> sudo apt upgrade
# 安装python基础开发包
>>> sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim
# 安装运算加速库
>>> sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev

CUDA开发环境的搭建(CPU加速跳过)

如果您的仅仅采用cpu加速，可跳过此步骤。

下载CUDA8.0

下载地址：https://developer.nvidia.com/cuda-downloads

>>> sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
>>> sudo apt update
>>> sudo apt -y install cuda
# 将CUDA路径添加至环境变量 在终端输入
>>> sudo gedit /etc/profile

在profile文件中添加：

export CUDA_HOME=/usr/local/cuda-8.0
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后source /etc/profile即可。

测试——在终端输入：

>>> nvcc -V

会得到相应的nvcc编译器相应的信息，那么CUDA配置成功了。(记得重启系统)

如果要进行cuda性能测试，可以进行：

>>> cd /usr/local/cuda/samples
>>> sudo make -j8

编译完成后，可以进samples/bin/…/…/…的底层目录，运行各类实例。

加速库cuDNN（可选）

从官网下载需要注册账号申请，两三天批准。网盘搜索一般也能找到最新版。 Linux目前最新的版本是cudnn V6，但对于tensorflow的预编译版本还不支持这个最近版本，建议采用5.1版本，即是cudnn-8.0-win-x64-v5.1-prod.zip。下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，在终端中输入：

>>> sudo cp include/cudnn.h /usr/local/cuda/include/
>>> sudo cp lib64/* /usr/local/cuda/lib64/
>>> cd /usr/local/cuda/lib64
>>> sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
>>> sudo ln -sf libcudnn.so.5 libcudnn.so
>>> sudo ldconfig -v

Keras框架搭建

Keras使用了下面的依赖包：

numpy，scipy
pyyaml
HDF5, h5py（可选，仅在模型的save/load函数中使用）
如果使用CNN的推荐安装cuDNN
当使用TensorFlow为后端时：TensorFlow
当使用Theano作为后端时：Theano
当使用CNTK作为后端时：CNTK

“后端”翻译自backend，指的是Keras依赖于完成底层的张量运算的软件包。

安装Keras时，请cd到Keras的文件夹中，并运行下面的安装命令：
sudo python setup.py install

你也可以使用PyPI来安装Keras
sudo pip install keras

还可以在终端中输入:

>>> sudo pip install -U --pre pip setuptools wheel
>>> sudo pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image
>>> sudo pip install -U --pre tensorflow-gpu
# >>> sudo pip install -U --pre tensorflow ## CPU版本
>>> sudo pip install -U --pre keras

安装完毕后，输入python，然后输入：

>>> import tensorflow
>>> import keras

无错输出即可

Keras中mnist数据集测试

下载Keras开发包

>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py

程序无错进行，至此，keras安装完成。

windows下安装

windows环境设置

建议采用Windows_10_enterprise_2016_ltsb_x64作为基础环境。
win7也可以。

windows镜像文件推荐到MSDN我告诉你下载

编译环境Microsoft Visual Studio 2015 Update 3

(安装CPU版本非必须安装)

安装python环境

（注意：windows版本下的tensorflow暂时不支持python2.7）

CUDA

(安装CPU版本非必须安装)

安装CUDA8.0，下载地址：https://developer.nvidia.com/cuda-downloads

在下载之后，按照步骤安装，不建议新手修改安装目录，同上，环境不需要配置，安装程序会自动配置好。

加速库CuDNN

Windows目前最新版v6.0，但是keras尚未支持此版本，请下载v5.1版本，即 cudnn-8.0-win-x64-v5.1.zip。

下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\8.0

Keras 框架搭建

在CMD命令行或者Powershell中输入：

# GPU 版本
>>> pip install --upgrade tensorflow-gpu

# CPU 版本
>>> pip install --upgrade tensorflow

# Keras 安装
>>> pip install keras -U --pre

之后可以验证keras是否安装成功,在命令行中输入Python命令进入Python变成命令行环境：

>>> import keras

Using Tensorflow backend.
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library cublas64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library cudnn64_5.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library cufft64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library curand64_80.dll locally

>>>

没有报错，那么Keras就已经成功安装了

Keras中mnist数据集测试下载Keras开发包

>>> conda install git
>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py

程序无错进行，至此，keras安装完成。

zhzhx0318

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
keras中文文档笔记4——配置与安装

配置推荐配置如果您是高校学生或者高级研究人员，并且实验室或者个人资金充沛，建议您采用如下配置：主板：X299型号或Z270型号CPU: i7-6950X或i7-7700K 及其以上高级型号内存：品牌内存，总容量32G以上，根据主板组成4通道或8通道SSD：品牌固态硬盘，容量256G以上显卡：NVIDIA GTX TITAN(XP) NVIDIA GTX 1080ti、NVIDIA
复制链接

扫一扫