《Keras深度学习实战》—1.2.2　怎么做

1.2.2　怎么做

接下来将介绍在安装Keras之前必须安装的各个组件。

安装miniconda

首先，为了更方便地安装所需软件包，你需要先进行miniconda的安装。miniconda是conda软件包管理器的精简版本，可以用它进行Python虚拟环境的创建。

建议读者安装Python 2.7或Python 3.4，Python = 2.7 *或（> = 3.4和<3.6），并安装Python开发包（Linux发行的python-dev或python-devel）。本书将基于Python 2.7进行讲解。

1.为安装miniconda，首先从continuum版本库下载所需sh安装文件：

2.成功安装conda后，我们就可以用它来安装Theano、TensorFlow和Keras的依赖项。

安装numpy和scipy

numpy和scipy是进行Theano安装的前提条件，建议安装以下版本：

• NumPy：不低于1.9.1且不高于1.12。

• SciPy：不低于0.14且低于0.17.1，用于处理稀疏矩阵和Theano中支持的一些特殊函数时强烈推荐，否则SciPy 0.8以上版本即可以满足需求。

• 建议安装BLAS（具有Level 3功能）：可通过conda与mkl-service包免费获得MKL数据库，在该库内找到BLAS。

基本线性代数子程序库（BLAS）提供规范的线性代数运算程序，程序采用C或Fortran编写。包括例如向量加法、标量乘法、点积、线性组合和矩阵乘法，其中Level 3对应矩阵与矩阵的乘法运算。

1.执行以下命令安装numpy和scipy（确保conda在你的PATH中）：

scipy安装时的输出如下所示，注意libgfortran安装也是scipy安装中的一部分：

2.以下软件包也同时被安装：

安装mkl

1. mkl是用于Intel及兼容处理器的数学库。它是numpy的一部分，但我们需要在安装Theano和TensorFlow之前先安装它：

安装时的输出如下所示，本例中，miniconda2已经安装了最新版的mkl：

2.当完成上述安装后，就可以开始安装TensorFlow了。

安装TensorFlow

1.通过执行以下命令，利用conda开始安装tensorflow：

如下所示，执行该命令可获取元数据并安装一系列的程序包：

2.继续安装以下程序包：

3.高版本的程序包将取代低版本的包：

4.使用以下命令创建名为hello_tf.py的新文件，来测试是否成功安装了TensorFlow：

5.将以下代码添加到此文件并保存：

6.在命令行执行已创建的文件：

若得到如下输出则证明你已经成功安装了TensorFlow库：

安装Keras

conda-forge是GitHub平台上带有conda的工具。

1.使用conda-forge上的cohda安装Keras。

2.在终端上执行以下命令：

以下输出表明Keras已成功安装：

同时，以下软件包会被自动安装：

3.使用以下代码检验Keras的安装：

4.执行以下命令以验证Keras是否成功安装：

可以看到，此时Keras基于TensorFlow的后端。

在Theano后端上运行Keras

1.通过修改默认配置（keras.json文件）将Keras的后端由TensorFlow更改为Theano：

默认文件的内容如下：

2.修改后的文件内容如下，其中“backend”已更改为“theano”：

3.运行Python控制台，并基于Theano后端从keras.model导入Sequential：

可以看到，此时Keras的后端已改为Theano。

至此，我们安装了miniconda、Theano和TensorFlow的所有依赖项，以及TensorFlow和Theano本身，而且成功安装了Keras。最后，我们还介绍了如何将Keras的后端从TensorFlow更改为Theano。