說明:
本人電腦使用的是Windows10系統,提前安裝了Anaconda
1. 創建虛擬環境+安裝keras
- 添加Anaconda的TUNA鏡像:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- 創建 python3.6 的虛擬環境: (python3.x儘量>=python3.5)
conda create -n keras python=3.6
- 查看創建的虛擬環境:
conda env list
或conda info -e
- 激活虛擬環境
activate keras
- 安裝tensorflow1.9.0(這是tensorflow-CPU的安裝方式,GPU版可以參考:Win10+Python 3.6環境下cuda 9.1+cuDNN 7.1+Tensorflow 1.7+keras安裝)
pip install --upgrade tensorflow==1.9.0
# 這是CPU版的tensorflow安裝方式
當然,如果沒有使用清華鏡像,也可以使用下面的命令進行下載,會快一點。
pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/
# 從豆瓣鏡像中下載速度比較快
pip install tensorflow-gpu 安裝 TensorFlow 速度非常慢(不推薦)
其實在安裝tensorflow之前可以先安裝numpy、scipy、mkl等一些庫。當然也可以直接讓conda在安裝tensorflow時制動給你安裝上必要的庫。安裝完成後,可以用以下代碼測試是否安裝成功。
# 程序可能會出現一些警告信息,但是不會報錯,且能看到運行結果
import tensorflow as tf
message = tf.constant('Hello tensorflow!')
with tf.Session() as sess:
print(sess.run(message))
- 安裝keras2.1.6
pip install keras==2.1.6
安裝完成之後,你可以用import keras
來查看keras是否安裝成功。
# 去掉python輸出的警告:但是切記,不要盲目設置取消輸出。
import warnings
warnings.filterwarnings("ignore")
import keras # 導入keras模塊
keras.__version__ # 查看keras的安裝版本
import tensorflow as tf
tf.__version__ # 查看tensorflow的安裝版本
除此以外,建議安裝一些其他的常用庫
- 一個繪製數據圖的庫。對於數據科學家或分析師非常有用。
pip install matplotlib
- Pandas是進行數據清晰/整理的最好工具
pip install pandas
- Scikit-Learn是Python常用的機器學習工具包,提供了完善的機器學習工具箱,支持數據預處理、分類、迴歸、聚類、預測和模型分析等強大機器學習庫,其依賴於Numpy、Scipy和Matplotlib等。
pip install scikit-learn
- 其他。。。。。。
將虛擬環境添加到jupyter notebook中去:
由於本人將使用的是jupyter notebook編程環境,所以需要進一步設置:
-
進入虛擬環境之後,在終端中輸指令:
conda install nb_conda
附nb_conda地址:https://github.com/Anaconda-Platform/nb_conda -
當安裝了新的conda虛擬環境時,發現在Jupyter Notebook中無法使用,可以在你的新環境上安裝ipykernel,重啓jupyter之後就可以用了
conda install -n python_env ipykernel
-
將虛擬環境寫入jupyter notebook中的環境中,運行:
python -m ipykernel install --user --name 環境名稱 --display-name "在jupyter中顯示的環境名稱"
,注意不要忘記了雙引號。例如:python -m ipykernel install --user --name test1 --display-name “test1” -
參考博客: