Keras – 安装
本章介绍了如何在你的机器上安装Keras。在开始安装之前,让我们先了解一下Keras的基本要求。
先决条件
你必须满足以下要求 –
- 任何类型的操作系统(Windows、Linux或Mac)
- Python 3.5版或更高版本。
Python
Keras是基于Python的神经网络库,所以Python必须安装在你的机器上。如果你的机器上正确安装了python,那么打开你的终端并输入python,你可以看到类似于下面指定的响应、
Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 17:00:18)
[MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>
截至目前,最新的版本是’3.7.2’。如果没有安装Python,那么请访问官方的Python链接–www.python.org ,根据你的操作系统下载最新的版本,并立即安装在你的系统上。
Keras的安装步骤
Keras的安装相当简单。请按照以下步骤在您的系统上正确安装Keras。
第1步:创建虚拟环境
Virtualenv 是用来管理不同项目的Python包。这将有助于避免破坏安装在其他环境中的软件包。因此,在开发Python应用程序时,总是建议使用一个虚拟环境。
Linux/Mac OS
Linux或Mac OS用户,进入你的项目根目录,输入下面的命令来创建虚拟环境、
python3 -m venv kerasenv
执行上述命令后,”kerasenv “目录与 bin、lib和include文件夹 在你的安装位置被创建。
Windows系统
Windows用户可以使用下面的命令、
py -m venv keras
第2步:激活环境
这一步将在你的shell路径中配置python和pip可执行文件。
Linux/Mac操作系统
现在我们已经创建了一个名为 “kerasvenv “的虚拟环境。移动到该文件夹并输入以下命令、
$ cd kerasvenv kerasvenv $ source bin/activate
Windows系统
Windows用户在 “kerasenv “文件夹内移动,并输入以下命令、
.\env\Scripts\activate
第3步:Python库
Keras依赖于以下Python库。
- Numpy
- Pandas
- Scikit-learn
- Matplotlib
- Scipy
- Seaborn
希望你已经在你的系统上安装了上述所有的库。如果这些库没有安装,那么使用下面的命令逐一安装。
pip install numpy
你可以看到以下反应、
Collecting numpy
Downloading
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8/
numpy-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64.
macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB)
|████████████████████████████████| 14.4MB 2.8MB/s
pip install pandas
我们可以看到以下反应、
Collecting pandas
Downloading
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8/
pandas-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64.
macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB)
|████████████████████████████████| 14.4MB 2.8MB/s
pip install matplotlib
我们可以看到以下反应、
Collecting matplotlib
Downloading
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8/
matplotlib-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64.
macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB)
|████████████████████████████████| 14.4MB 2.8MB/s
pip install scipy
我们可以看到以下反应、
Collecting scipy
Downloading
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8
/scipy-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64.
macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB)
|████████████████████████████████| 14.4MB 2.8MB/s
scikit-learn
它是一个开源的机器学习库。它用于分类、回归和聚类算法。Before moving to the installation, it requires the following −
- Python 3.5版或更高的版本
- NumPy版本1.11.0或更高版本
- SciPy 0.17.0版或更高版本
- joblib 0.11或更高版本。
现在,我们使用下面的命令来安装scikit-learn
pip install -U scikit-learn
Seaborn是一个神奇的库,可以让你轻松地将你的数据可视化。使用下面的命令来安装 –
pip install seaborn
你可以看到类似以下的信息—
Collecting seaborn
Downloading
https://files.pythonhosted.org/packages/a8/76/220ba4420459d9c4c9c9587c6ce607bf56c25b3d3d2de62056efe482dadc
/seaborn-0.9.0-py3-none-any.whl (208kB) 100%
|████████████████████████████████| 215kB 4.0MB/s
Requirement already satisfied: numpy> = 1.9.3 in
./lib/python3.7/site-packages (from seaborn) (1.17.0)
Collecting pandas> = 0.15.2 (from seaborn)
Downloading
https://files.pythonhosted.org/packages/39/b7/441375a152f3f9929ff8bc2915218ff1a063a59d7137ae0546db616749f9/
pandas-0.25.0-cp37-cp37m-macosx_10_9_x86_64.
macosx_10_10_x86_64.whl (10.1MB) 100%
|████████████████████████████████| 10.1MB 1.8MB/s
Requirement already satisfied: scipy>=0.14.0 in
./lib/python3.7/site-packages (from seaborn) (1.3.0)
Collecting matplotlib> = 1.4.3 (from seaborn)
Downloading
https://files.pythonhosted.org/packages/c3/8b/af9e0984f
5c0df06d3fab0bf396eb09cbf05f8452de4e9502b182f59c33b/
matplotlib-3.1.1-cp37-cp37m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64
.macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB) 100%
|████████████████████████████████| 14.4MB 1.4MB/s
......................................
......................................
Successfully installed cycler-0.10.0 kiwisolver-1.1.0
matplotlib-3.1.1 pandas-0.25.0 pyparsing-2.4.2
python-dateutil-2.8.0 pytz-2019.2 seaborn-0.9.0
使用Python安装Keras
到目前为止,我们已经完成了安装Kera的基本要求。现在,使用下面指定的相同程序来安装Keras。
pip install keras
退出虚拟环境
在完成你的项目的所有修改后,然后简单地运行下面的命令来退出环境 —
deactivate
Anaconda云
我们相信你已经在你的机器上安装了Anaconda云。如果没有安装Anaconda,那么请访问官方链接,www.anaconda.com/distribution, 根据你的操作系统选择下载。
创建一个新的conda环境
启动anaconda提示,这将打开基础Anaconda环境。让我们创建一个新的conda环境。这个过程与virtualenv相似。在你的conda终端键入下面的命令 —
conda create --name PythonCPU
如果你愿意,你也可以使用GPU创建和安装模块。在本教程中,我们遵循CPU的指示。
激活conda环境
要激活环境,请使用下面的命令 –
activate PythonCPU
安装spyder
Spyder是一个用于执行Python应用程序的IDE。让我们用下面的命令在conda环境中安装这个IDE —
conda install spyder
安装python库
我们已经知道keras所需的python库numpy、pandas等。你可以通过使用下面的语法来安装所有的模块
语法
conda install -c anaconda <module-name>
例如,你想安装pandas —
conda install -c anaconda pandas
像同样的方法,自己尝试安装其余的模块。
安装Keras
现在,一切看起来都很好,所以你可以使用下面的命令开始安装Keras —
conda install -c anaconda keras
启动spyder
最后,使用下面的命令在你的conda终端启动spyder —
spyder
为了确保所有的东西都安装正确,导入所有的模块,它将添加所有的东西,如果有什么地方出错,你会得到 模块未找到的 错误信息。