深度学习Keras框架配置

其他相关文章:利用Keras对时间序列进行预测

Keras简介(引自:Keras中文文档)

Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果,是做好研究的关键。

如果你在以下情况下需要深度学习库,请使用 Keras:

  1. 允许简单而快速的原型设计(由于用户友好,高度模块化,可扩展性)。
  2. 同时支持卷积神经网络和循环神经网络,以及两者的组合。
  3. 在 CPU 和 GPU 上无缝运行。

指导原则

  1. 用户友好。 Keras 是为人类而不是为机器设计的 API。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践:它提供一致且简单的 API,将常见用例所需的用户操作数量降至最低,并且在用户错误时提供清晰和可操作的反馈。
  2. 模块化。 模型被理解为由独立的、完全可配置的模块构成的序列或图。这些模块可以以尽可能少的限制组装在一起。特别是神经网络层、损失函数、优化器、初始化方法、激活函数、正则化方法,它们都是可以结合起来构建新模型的模块。
  3. 易扩展性。 新的模块是很容易添加的(作为新的类和函数),现有的模块已经提供了充足的示例。由于能够轻松地创建可以提高表现力的新模块,Keras 更加适合高级研究。
  4. 基于 Python 实现。 Keras 没有特定格式的单独配置文件。模型定义在 Python 代码中,这些代码紧凑,易于调试,并且易于扩展。

环境准备

ANACONDA, Windows 8

安装TensorFlow

在安装Keras之前,要先安装后端TensorFlow,Theano或者 CNTK。 此处安装TensorFlow。

在cmd窗口中输入以下两行代码:连接到清华镜像网站。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --set show_channel_urls yes

然后输入以下代码:python版本号可在cmd下输入python确定。

conda create -n tensorflow python=3.7.6

输入”y”,继续程序。

激活TensorFlow:

activate tensorflow

然后安装Tensorflow CPU版本:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

打开ANACONDA NAVIGATOR,在tensorflow下(原显示的是base)安装解释器,此处安装Jupyter Notebook。

测试TensorFlow是否安装成功,(用于测试TensorFlow 2.0版本)在JuputerNotebook中运行以下代码:

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()
print(sess.run(hello))

无报错输出即可。

安装Keras

打开cmd窗口,激活TensorFlow:

activate tensorflow

安装Keras:

pip install keras

测试是否安装成功,在python下输入以下代码:

import keras

如果输出“Using TensorFlow backend.”则成功。

没有GPU的穷人可以忽略下面两行无关输出。。。

至此,Keras就安装完成了!

作者: 公子小白

SOS团团员,非外星人、未来人、超能力者。。。

发表评论

电子邮件地址不会被公开。 必填项已用*标注