tensorflow keras 環境搭建

略

keras是乙個前端深度學習庫，需要依賴於後端進行計算。tensorflow是keras的後端引擎

建立虛擬環境（可略過）

新虛擬環境下安裝的好處：出現錯誤刪除環境重新開始即可。base環境下出現錯誤將會很麻煩。

安裝好anaconda後執行開始選單下anaconda資料夾下的anaconda prompt，輸入建立環境的命令建立新環境

命令：

conda create -n kr python=3.6 #建立環境

activate kr #啟用（進入）新建的環境

tensorflow有cpu和gpu兩個版本。安裝gpu版本tensorflow要求具有nvidia顯示卡，並且要求顯示卡版本410以上，python版本必須為64位

anaconda prompt內檢視顯示卡版本：

輸入命令nvidia-smi。若命令不存在，將nvidia安裝目錄下的nvsmi資料夾路徑新增到path環境變數 參看文章

若找不到nvidia安裝目錄。若桌面上有nvidia快捷方式，直接右鍵快捷方式開啟檔案位置，開啟後再次右鍵開啟檔案位置即可進入nvidia安裝目錄，返回上一級目錄即可看到nvsmi資料夾；若桌面沒有快捷方式，可利用左下角搜尋功能，輸入geforce experience，看到geforce後右鍵。

補充：需特別注意tensorflow和keras版本匹配問題 tensorflow keras版本匹配參考位址

若是在新建的虛擬環境內已安裝，發現版本不匹配，刪除環境重新建立，安裝匹配的tensorflow和keras即可（安裝兩個包時會連帶安裝一系列依賴包，刪除時不會一起刪除）。若不能刪除環境，pip uninstall後面跟著需要解除安裝的包名 空格隔開。

刪除虛擬環境命令：

conda info -e	# 檢視現有環境

conda remove -n kr -
-all
# base環境下執行，刪除環境kr

更新pip版本

python -m pip install -

-upgrade pip

# 本人實驗時使用2.0版本，要安裝更新版本只需修改位對應版本號即可，

# 安裝其他版本需注意tensorflow和keras版本相容！！！gpu版本

conda install tensorflow-gpu==

2.0.0

cpu版本

命令：

pip install keras==

命令：

conda install keras-gpu==

2.3.1
# 相容tensorflow2.1

jupyter notebook

conda install nb_conda

之後要使用keras只需在kr環境下進入工作目錄執行jupyter notebook命令即可。

conda create -n kr python=

3.6#建立環境
activate kr #啟用（進入）新建的環境
python -m pip install -
-upgrade pip # 更新pip
# 安裝tensorflow -i 指定安裝源
pip install keras==
# 安裝keras
conda install nb_conda # 安裝jupyter conda環境訪問擴充套件包
jupyter notebook # 啟動jupyter notebook

conda create -n kr python=

3.6#建立環境
activate kr #啟用（進入）新建的環境
python -m pip install -
-upgrade pip # 更新pip 因為沒用到pip此步驟可跳過
conda install tensorflow-gpu==
2.0.0
# 安裝gpu版本tensorflow
conda install keras-gpu==
2.3.1
# 安裝gpu版本keras
conda install nb_conda # 安裝jupyter conda環境訪問擴充套件包
jupyter notebook # 啟動jupyter notebook

TensorFlow Keras 環境安裝

tensorflow keras深度學習人工智慧實踐 閱讀筆記 深度學習以大量矩陣模擬神經元的工作方式。矩陣運算特性 單一運算簡單，但是需要大量運算，適合平行計算。機器學習 1.訓練資料由features和label組成 2.機器學習兩個階段 訓練，3.分類 有監督的學習，無監督的學習，增強式學習。...

Tensorflow Keras 指定CPU執行

執行tensorflow 時候常出現oom out of memory 的錯誤，原因是batch size設定得太大導致視訊記憶體不足。如果想讓 僅僅執行在cpu下，可在原 中加入如下 import os os.environ cuda device order pci bus id os.envi...

Tensorflow keras 回歸模型

import matplotlib as mpl import matplotlib.pyplot as plt matplotlib inline import numpy as np import sklearn import pandas as pd import os import sys ...