環境說明
- 本本環境：macbook air（還是14年的老戰機了）
| 項目 | 內容 |
|---|---|
| 版本 | 10.14.4 |
| 處理器 | 1.4GHz Intel Core i5 |
| 內存 | 4GB |
| 顯卡 | Intel HD Graphics 5000 1536 MB |
- 深度學習框架：Keras+Tensorflow 閱讀一些論文發現多用Tensorflow， 看了一些深度學習的書和網上的資料，感覺Keras對用戶（小白）更友好一點，可以將Tensorflow、Theano或者CNTK爲後端，選擇了Tensorflow作爲後端。
安裝Keras的道路
小白一隻，爲了使用Keras建立CNN，開啓了安裝Keras的不知道坑不坑的道路！
升級Anaconda
打開終端，我先把Anaconda升級到最新版本（默認大家安裝了這個）：
（1）終端輸入conda update conda；看到下面的Proceed敲個y，可以繼續更新。（2）更新完成後，終端輸入conda --version，可以看更新到了哪個版本。我這裏是更新到了conda 4.8.0
安裝tensorflow並測試
之前看了別的一些方法，發現python3.7已經可以直接安裝tensorflow了～
更新完以後，輸入命令pip install tensorflow：
下載了一堆東西，然後，我猜測成功了！
那我們來測試一下真的安裝成功沒！我是在Anaconda的jupyter裏試的，輸入並運行code：
import tensorflow as tf
hi = tf.constant(‘Hi,nice girl!’)
print(hi)
#如果看到：
#tf.Tensor(b’Hi,nice girl!’, shape=(), dtype=string)
#是的，你成功了！
安裝Keras並測試
很順利的來到了這一步，在終端輸入pip install keras，只需要等待就可：
在jupyter裏面試了一下：import keras一下。
看到下面這個樣子，就是安裝成功了。
不放心我就隨便找了一個使用keras的例子驗證一下（例子來源: link.）：
import keras
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
#輸入訓練數據 keras接收numpy數組類型的數據
x=np.array([[0,0,0],
[0,0,1],
[0,1,0],
[0,1,1],
[1,0,0],
[1,0,1],
[1,1,0],
[1,1,1]])
y=np.array([0,1,0,1,0,1,0,1]).T
#最簡單的序貫模型，序貫模型是多個網絡層的線性堆疊
simple_model=Sequential()
#dense層爲全連接層
#第一層隱含層爲全連接層 5個神經元 輸入數據的維度爲3
simple_model.add(Dense(8,input_dim=3,activation='relu'))
#第二個隱含層 4個神經元
simple_model.add(Dense(4,activation='relu'))
#輸出層爲1個神經元
simple_model.add(Dense(1,activation='sigmoid'))
#編譯模型,訓練模型之前需要編譯模型
#編譯模型的三個參數：優化器、損失函數、指標列表
simple_model.compile(optimizer='sgd',loss='mean_squared_error')
# 多分類問題
# simple_model.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy'])
#訓練網絡 1000次
#Keras以Numpy數組作爲輸入數據和標籤的數據類型。訓練模型一般使用fit函數
simple_model.fit(x,y,epochs=1000)
#應用模型 進行預測
y_=simple_model.predict_classes(np.array([[0,0,0]]))
print(y_)
y_=simple_model.predict_classes(np.array([[1,1,0]]))
print(y_)
可以運行，輸出結果，就安裝成功啦～