Keras和TensorFlow安装配置教程

Keras安装配置

Keras是一个用于深度学习的高级神经网络库，可以快速搭建深度学习模型。Keras可以使用TensorFlow、CNTK或Theano作为后端，支持Python 2.7、3.5和3.6，支持GPU和CPU。

要安装Keras，需要安装Python，使用pip安装Keras：

pip install keras

安装完成后，可以使用Python环境中的Keras API来构建深度学习模型：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
model.compile(loss='categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5, batch_size=32)

要使用Keras的GPU加速功能，还需要安装GPU驱动，安装完成后，可以在Keras中使用GPU：

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)

from keras.backend.tensorflow_backend import set_session
set_session(sess)

TensorFlow安装配置

TensorFlow是一个开源的机器学习框架，支持Python、C++、Java等多种语言，可以用于构建和训练深度学习模型。

要安装TensorFlow，可以使用pip安装：

pip install tensorflow

安装完成后，可以使用TensorFlow提供的API来构建深度学习模型：

import tensorflow as tf

# 定义输入和输出
x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

# 构建网络
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b

# 定义损失函数和优化器
cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

# 训练模型
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for _ in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

# 评估模型
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images,
                                    y_: mnist.test.labels}))

要使用TensorFlow的GPU加速功能，还需要安装GPU驱动，安装完成后，可以在TensorFlow中使用GPU：

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)