说明:
本人电脑使用的是Windows10系统,提前安装了Anaconda
1. 创建虚拟环境+安装keras
- 添加Anaconda的TUNA镜像:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- 创建 python3.6 的虚拟环境: (python3.x尽量>=python3.5)
conda create -n keras python=3.6
- 查看创建的虚拟环境:
conda env list
或conda info -e
- 激活虚拟环境
activate keras
- 安装tensorflow1.9.0(这是tensorflow-CPU的安装方式,GPU版可以参考:Win10+Python 3.6环境下cuda 9.1+cuDNN 7.1+Tensorflow 1.7+keras安装)
pip install --upgrade tensorflow==1.9.0
# 这是CPU版的tensorflow安装方式
当然,如果没有使用清华镜像,也可以使用下面的命令进行下载,会快一点。
pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/
# 从豆瓣镜像中下载速度比较快
pip install tensorflow-gpu 安装 TensorFlow 速度非常慢(不推荐)
其实在安装tensorflow之前可以先安装numpy、scipy、mkl等一些库。当然也可以直接让conda在安装tensorflow时制动给你安装上必要的库。安装完成后,可以用以下代码测试是否安装成功。
# 程序可能会出现一些警告信息,但是不会报错,且能看到运行结果
import tensorflow as tf
message = tf.constant('Hello tensorflow!')
with tf.Session() as sess:
print(sess.run(message))
- 安装keras2.1.6
pip install keras==2.1.6
安装完成之后,你可以用import keras
来查看keras是否安装成功。
# 去掉python输出的警告:但是切记,不要盲目设置取消输出。
import warnings
warnings.filterwarnings("ignore")
import keras # 导入keras模块
keras.__version__ # 查看keras的安装版本
import tensorflow as tf
tf.__version__ # 查看tensorflow的安装版本
除此以外,建议安装一些其他的常用库
- 一个绘制数据图的库。对于数据科学家或分析师非常有用。
pip install matplotlib
- Pandas是进行数据清晰/整理的最好工具
pip install pandas
- Scikit-Learn是Python常用的机器学习工具包,提供了完善的机器学习工具箱,支持数据预处理、分类、回归、聚类、预测和模型分析等强大机器学习库,其依赖于Numpy、Scipy和Matplotlib等。
pip install scikit-learn
- 其他。。。。。。
将虚拟环境添加到jupyter notebook中去:
由于本人将使用的是jupyter notebook编程环境,所以需要进一步设置:
-
进入虚拟环境之后,在终端中输指令:
conda install nb_conda
附nb_conda地址:https://github.com/Anaconda-Platform/nb_conda -
当安装了新的conda虚拟环境时,发现在Jupyter Notebook中无法使用,可以在你的新环境上安装ipykernel,重启jupyter之后就可以用了
conda install -n python_env ipykernel
-
将虚拟环境写入jupyter notebook中的环境中,运行:
python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"
,注意不要忘记了双引号。例如:python -m ipykernel install --user --name test1 --display-name “test1” -
参考博客: