当前位置:首页 > 手机电脑 > windows系统 > 深度学习框架Keras的安装

深度学习框架Keras的安装

2016-04-19 16:24:49[windows系统]点击数:作者:qingzhuochenfu的博客来源: 网络
随机为您推荐的文章:Maven安装及配置(Windows)

Maven安装及配置 下载maven 到maven官网下载安装包:apache-maven-3.3.9-bin.zip https://maven.apache.org/download.cgi 安装maven maven运行的前提是安装了jd

深度学习框架Keras的安装
本文主要针对在Windows系统下的Keras的安装,Linux和Unix容易安装,所以可以等到之后再更新其他深度学习框架的安装方式,诸如caffe啊、mxnet啊等等
Visual Studio 2013

这个下载我推荐去MSDN我告诉你
2012版本也可以,只是优化速度稍微差一点,按照步骤安装就可以,环境不需要你配置,自动配置好的
切记要把360等软件关了

Anaconda
这个python的发行版是我见过的科学计算版本中最好用的,没有之一
按照官网指示说明进行安装,最近已经升级到了4.0版本了,好用的不要不要的
对于搞科学计算与深度学习的朋友们,建议安装2.7版本,如果需要做文本处理,建议3.5
网址:[Anaconda](https://www.continuum.io/downloads) 
关键的GCC
这一步是整个windows环境下安装的重中之重,因为windows不提供自带的源生gcc和g++工具所以,需要安装配置,这里面我提供两个思路
Mingw
anaconda自带了conda命令符,可以使用conda作为安装mingw的命令
conda install mingw libpython

这mingw和libpython一起安装,之后需要配置一次环境,在系统环境变量中添加path环境:

 C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib;  

这样你的系统就有了GCC了

MSYS2
部分同志已经用了自己的python,不愿意再安装Anaconda,那么就可以安装MSYS2 文中有安装说明,不再一一赘述,配置环境的做法同上
CUDA——加速引擎

cuda,选自己系统对应的版本。这里是windows->x86_64->10->exe(local)。 直接安装,这个不需要配置。
切记要把360等软件关了

theano

theano是keras的底层框架,多年前多少人为之挣扎,除了theano外还有tensorflow,安装很简单

pip install theano

或者想要加速开发板,用(前提是你有git)

pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git
配置
这个需要配置的地方还是有一些
在用户变量中,PATH添加
C:\Anaconda;C:\Anaconda\Scripts; 

并新建变量PYTHONPATH,并添加

C:\Anaconda\Lib\site-packages\theano;
(可选)CuDNN加速库

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。
Windows目前就是cudnn-7.0-win-x64-v4.0-prod.zip。
(前段时间的GTC大会上发布了5.0,建议大家暂时不要安装,我吃了很大的亏啊)
解压出来是名为cuda的文件夹,里面有bin、include、lib,复制到安装CUDA的地方覆盖对应文件夹。
我的在D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
系统环境变量Path里添加:

D:\Microsoft Visual Studio 12.0\VC\bin;  
%CUDA_PATH%\lib\x64;
%CUDA_PATH%\bin;
GPU加速配置

GPU加速首先就是安装CUDA,然而CUDA只支持NVIDIA显卡,因为CUDA软件就是他家出的,如果你的本并不是NVIDIA显卡,别费劲了
在用户目录,也就是C:\Users\当前用户名\,新建.theanorc.txt。 这个路径可以通过修改Theano的configparser.py来改变。Theano装在Anaconda\Lib\site-packages里。 .theanorc.txt的内容:

[global]
openmp=False  #如果有多核cpu可以直接用True,我指的是10个核以上的,别想多了
device = gpu #如果有多个GPU请选择序号,从0开始  
optimizer_including=cudnn #不用cudnn的话就不要这句,实际上不用加,只要刚刚配置到位就行  
floatX = float32  
allow_input_downcast=True  
[lib]
cnmem = 0.8 #提升性能的神器,调用显存,加速运算
[blas]
ldflags=  #这里说明一下,如果你想用加速建议使用openblas和mkl,可惜你不会配置,底下留言
[gcc]
cxxflags=-ID:\Anaconda2\MinGW #改成自己装的目录  
[nvcc]
fastmath = True  
--flags=-LD:\Anaconda2\libs #改成自己装的目录
--compiler_bindir=D:\Microsoft Visual Studio 12.0\VC\bin  #改成自己装的目录
#最后记得把汉字全删了
keras

谁知这是最简单的一步

pip install keras
测试 安装测试
打开cmd或者powershell或者ipython,输入python后采用:
import theano

会出现一大串,其中会有你用了显卡,你用了cudnn加速库,还用了以及你用了80%的显存
说明你成功了

加速库测试
import numpy 
id(numpy.dot) == id(numpy.core.multiarray.dot) 

如果得到的结果为False说明你的除了gpu加速还有数学库blas加速,得到True也没有关系,这个以后再聊

速度测试
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time

vlen = 10 * 30 * 768  # 10 x #cores x # threads per core #这里可以加一两个0,多测试一下 
iters = 1000

rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in xrange(iters):
    r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
    print('Used the cpu')
else:
    print('Used the gpu')

输出结果大概是零点几秒,我的配置是GTX970,加一百倍是21秒
想比较速度的话,可以将刚刚配置中theanorc.txt 中的改成

[global]
device = cpu

理论上加速应该是75倍,我大概仅仅加速了50倍左右,性能还是可以的,主要是我的ssd和内存限制了IO接口传输速度。

用一下Keras

下载下来keras的官方包,里面有example,可以使用其中的mnist_cnn.py

python mnist.py

然后就有神奇的事情发生了,友情提示,注意显卡温度

以上

以上就是深度学习框架Keras的安装的全文介绍,希望对您学习Windows的使用有所帮助.

这些内容可能对你也有帮助

更多windows系统可查看windows系统列表页。

TAGS: 框架   深度   Keras