腳本文件取名keras報錯
keras已經被pip安裝好了，但是仍然無法繼續使用，嘗試添加函數， 重新安裝keras都沒能成功，最後看到一篇文章上寫的是腳本命名問題，經過嘗試後，解決好了這個問題。具體報錯記錄如下：
No module named 'keras.datasets'; 'keras' is not a package
解決辦法：
（1）.修改項目腳本中的命名，腳本不能叫keras，否則報錯。
（2）.重新下載keras的包
pip install keras tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100
使用過程找不到對應包模塊
使用pip list 發現對應模塊和安裝包都在，但是無法調用該模塊，思考過是該包缺少什麼函數或是缺少什麼依賴，後在網上找到說是包的版本過高，兼容性問題導致，因此將該包進行了升級，解決了該包模塊無法找到的問題。
AttributeError: module 'tensorflow' has no attribute 'get_default_graph'
解決辦法：
將包卸載，找keras和tensorflow匹配版本的包，這裏我是將keras的包進行了升級解決
tensorflow-gpu安裝
之前使用過CPU的tensorflow,這次的目的是使用GPU版本的，並要對tensorflow的可視化進行一個新的展示，完成自己之前在tensorflow的BP和卷積神經網絡的驗證。
tensorflow的gpu版本安裝，我先卸載了cpu的tensorflow，理由是網上說如果不刪除，python程序將默認使用cpu的tensorflow進行，在安裝過程中嘗試了30分鐘，最終安裝的解決方法如下：
使用安裝命令爲：
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100
D:\Python\python_data2_project>pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100
tensorflow和keras的案例運行
下面代碼是摘自網絡，成功運行如下：
import numpy as np
import os
import tensorflow
from keras.models import Sequential
from keras.layers import Dense
# 隨機生成一組數據
data = np.random.random((1000,100))
# 隨機生成標籤
labels = np.random.randint(2,size=(1000,1))
model = Sequential()
# 添加一層神經網絡
model.add(Dense(32,
activation='relu',
input_dim=100))
# 添加激活函數（activate function）
model.add(Dense(1, activation='sigmoid'))
# 構建模型，定義優化器及損失函數
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy'])
# 模型與數據一鍵fit
model.fit(data,labels,epochs=10,batch_size=32)
predictions = model.predict(data)
通過上面的損失函數的最終結果，可以看出模型的效果並不是很好。
Tensorflow的GPU設置運行
電腦顯卡類型不支持，暫時未進行驗證，後續持續驗證
https://blog.csdn.net/A632189007/article/details/77978058
繪製損失函數
hist=model.fit(data,labels,epochs=10,batch_size=32)
plt.plot(hist.history['accuracy'],label="accuracy")
plt.plot(hist.history['loss'],label="loss")
plt.legend(loc=0, ncol=1) # 參數：loc設置顯示的位置，0是自適應；ncol設置顯示的列數
plt.show()
