深度学习框架keras平台搭建(关键字:windows、非GPU、离线安装)

当下,人工智能越来越受到人们的关注,而这很大程度上都归功于深度学习的迅猛发展。人工智能和不同产业之间的成功跨界对传统产业产生着深刻的影响。

最近,我也开始不断接触深度学习,之前也看了很多文章介绍,对深度学习的历史发展以及相关理论知识也有大致了解。

但常言道:纸上得来终觉浅,绝知此事要躬行;与其临渊羡鱼,不如退而结网。因此决定自己动手玩一玩。

对比了当下众多流行框架的优缺点,以及结合自身硬件条件,最后选定keras框架作为入手点。

作为大多数人都习惯于Windows系统,此外由于GPU比较昂贵,本着玩的思路也没必要买GPU(当然假如兴趣比较强烈的话,可以考虑买GPU,毕竟是深度学习迅猛发展的“功臣”),而且考虑到有些台式机不方便联网或者网速较差。基于以上三点,我自己开始搭建keras平台,中间也走了很多弯路,最终搭建成功。现在网上的keras安装教程都是基于在线安装,因此我觉得有必要将我的安装经验分享给大家,希望对大家进行深度学习有所帮助。

这里,为了方便起见,我只讲述安装步骤,具体细节和原因不在赘述,需要的话可以单独交流。

一、安装前准备 (说明:所有以下需要的软件或文档,为了方便大家尽快开展研究,不在下载软件上浪费时间,我已经统一打包好放在我的百度网盘,大家可以直接下载使用。下载地址:http://pan.baidu.com/s/1cvMUKY )

1、软件准备:Anaconda2、mingw、theano、keras

2、文档准备: .theanorc.txt (注意有两个点,后面在说放哪里) 内容如下:

[global] 
                             openmp=False 
                             [blas] 
                             ldflags= 
                             [gcc] 
                             cxxflags=-ID:\Anaconda2\MinGW         (若Anaconda2安装在C盘,则将D改为C即可)

二、安装步骤

1、安装Anaconda2。和安装其他软件一样,直接安装在C盘或D盘即可,按提示走,没有什么要注意的,本文以安装在D盘为例。

2、安装mingw。将下载的mingw文件夹中MinGW文件夹拷贝到安装好的Anaconda2的文件夹下,同时将其他5个文件夹也拷过来进行替换。

3、安装theano。打开cmd命令框,cd到下载的 theano 文件夹的路径,执行命令:Python setup.py install。(不懂cd的问问身边人或度娘)

4、安装keras。安装和theano类似,即打开cmd命令框,cd到下载的 keras 文件夹的路径,执行命令:python setup.py install。

至此,需要安装的步骤已经结束,下面开始配置相关文档和环境变量

5、配置环境变量。在环境变量PATH中添加:D:\Anaconda2; D:\Anaconda2\Scripts;  (这两个正常安装完Anaconda2就有)

D:\Anaconda2\MinGW\bin;D:\Anaconda2\MinGW\x86_64-w64-mingw32\lib;

D:\Anaconda2\Lib\site-packages\theano;

6、配置文档。打开cmd命令框,会看到窗口里边有个路径,将前面准备好的.theanorc.txt 放在该路径下。

7、修改默认后端。打开C:\Users\当前用户名\.keras,修改文件夹内的keras.json文件如下:

               {
               "image_dim_ordering":"th",
               "epsilon":1e-07,
               "floatx":"float32",
               "backend":"theano"

          }

至此,如果操作没有问题的话,keras平台就已经搭建好了。(搭建keras就是这么简单,是吧:-D)

下面,验证keras是否安装成功,打开Python命令框:

>>>import keras
Using Theano backend.
>>> 

如果没有错误,就证明keras已经成功安装了。

几点说明:

1、大家注意安装文件的路径,本文是以将Anaconda2直接安装在D盘为例讲的,具体可按实际情况在修改,尤其是环境变量和txt文档。

2、为什么不用Anaconda3,。大家都知道,Anaconda2对应Python2,Anaconda3对应Python3。而目前发现使用Anaconda3安装theano时可能会有冲突,暂时没有比较好的解决方法,所以用Anaconda2比较好。

3、如果之前安装过Python软件的,需要尽可能彻底地卸载掉(包括注册表及相关文件),然后在安装Anaconda2。

如果大家在安装过程中出现了什么问题,欢迎留言交流!

小炫耀一下:今天给同学安装,按照这个步骤来,10多分钟就安装好了(前提当然是做好了安装准备)!

转自:http://blog.csdn.net/window23/article/details/55105736

时间: 2024-10-20 04:14:57

深度学习框架keras平台搭建(关键字:windows、非GPU、离线安装)的相关文章

Ubuntu 搭建深度学习框架 keras

深度学习框架Keras是基于Tensorflow的所以,安装keras需要安装Tensorflow: 1. 安装教程主要参考于两个博客的教程: https://www.cnblogs.com/HSLoveZL/archive/2017/10/27/7742606.html https://www.jianshu.com/p/5b708817f5d8?from=groupmessage 2. 本教程开始: Ubuntu安装的教程就略过了,直接从深度学习所需的环境的搭建开始说起 (需要说明的是,之所

深度学习框架Keras安装

本文主要参考:https://blog.csdn.net/qingzhuochenfu/article/details/51187603 前提:Keras是Python语言中基于原始深度学习框架Tensorflow或Theano的封装框架.如果准备使用Keras首先必须准备安装Tensorflow或Theano,我安装的是TensorFlow CPU版本. 在cmd窗口下输入:pip install keras  即可,如下图, 安装后可测试一下是否安装成功,在命令行中输入python,再输入如

DeepLearning tutorial(6)易用的深度学习框架Keras简介

之前我一直在使用Theano,前面五篇Deeplearning相关的文章也是学习Theano的一些笔记,当时已经觉得Theano用起来略显麻烦,有时想实现一个新的结构,就要花很多时间去编程,所以想过将代码模块化,方便重复使用,但因为实在太忙没有时间去做.最近发现了一个叫做Keras的框架,跟我的想法不谋而合,用起来特别简单,适合快速开发.(其实还有很多其他的深度学习框架都是比较容易用的.) 1. Keras简介 Keras是基于Theano的一个深度学习框架,它的设计参考了Torch,用Pyth

深度学习框架Keras介绍及实战

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. 本文以Kaggle上的项目:IMDB影评情感分析为例,学习如何用Keras搭建一个神经网络,处理实际问题.阅读本文需要对神经网络有基础的了解. 文章分为两个部分: Keras中的一些基本概念.Api用法.我会给出一些简单的使用样例,或是给出相关知识链接.

DeepLearning tutorial(7)深度学习框架Keras的使用-进阶

上一篇文章总结了Keras的基本使用方法,相信用过的同学都会觉得不可思议,太简洁了.十多天前,我在github上发现这个框架的时候,关注Keras的人还比较少,这两天无论是github还是微薄,都看到越来越多的人关注和使用Keras.所以这篇文章就简单地再介绍一下Keras的使用,方便各位入门. 主要包括以下三个内容: 训练CNN并保存训练好的模型. 将CNN用于特征提取,用提取出来的特征训练SVM. 可视化CNN卷积层后的特征图. 仍然以Mnist为例,代码中用的Mnist数据到这里下载 ht

基于OpenGL ES 的深度学习框架编写

基于OpenGL ES的深度学习框架编写 背景与工程定位 背景 项目组基于深度学习实现了视频风格化和人像抠图的功能,但这是在PC/服务端上跑的,现在需要移植到移动端,因此需要一个移动端的深度学习的计算框架. 同类型的库 caffe-android-lib 目前应该是最便于集成使用的深度学习框架库. tensorflow和mxnet据说也有对应的android库,因时间原因暂未测试. CNNdroid,网址https://zhuanlan.zhihu.com/p/25259452,这个是用 ren

深度学习框架哪家强:TensorFlow?Caffe?MXNet?Keras?PyTorch?

深度学习框架哪家强:TensorFlow?Caffe?MXNet?Keras?PyTorch?对于这几大框架在运行各项深度任务时的性能差异如何,各位读者不免会有所好奇. 微软数据科学家Ilia Karmanov最新测试的结果显示,亚马逊MXNet在CNN.RNN与NLP情感分析任务上性能强劲,而TensorFlow仅擅长于特征提取. 测试详情更新在Ilia Karmanov的GitHub项目DeepLearningFrameworks(https://github.com/ilkarman/De

TensorFlow【机器学习】:如何正确的掌握Google深度学习框架TensorFlow(第二代分布式机器学习系统)?

本文标签:   机器学习 TensorFlow Google深度学习框架 分布式机器学习 唐源 VGG REST   服务器 自 2015 年底开源到如今更快.更灵活.更方便的 1.0 版本正式发布,由 Google 推出的第二代分布式机器学习系统 TensorFlow一直在为我们带来惊喜,一方面是技术层面持续的迭代演进,从分布式版本.服务框架 TensorFlow Serving.上层封装 TF.Learn 到 Windows 支持.JIT 编译器 XLA.动态计算图框架 Fold 等,以及

主流深度学习框架对比

深度学习研究的热潮持续高涨,各种开源深度学习框架也层出不穷,其中包括TensorFlow.Caffe.Keras.CNTK.Torch7.MXNet.Leaf.Theano.DeepLearning4.Lasagne.Neon,等等.然而TensorFlow却杀出重围,在关注度和用户数上都占据绝对优势,大有一统江湖之势.表2-1所示为各个开源框架在GitHub上的数据统计(数据统计于2017年1月3日),可以看到TensorFlow在star数量.fork数量.contributor数量这三个数