python音频分析（四）深度学习环境的搭建和调试（anaconda+tensorflow+keras）

    前面一二三解决了特征提取的问题，接下来轮到了分类器。这里打算试用keras调用cnn来对一些歌曲数据进行分类。样本问题之后再提，这里主要需要搭建一个anaconda+tensorflow+keras的深度学习环境。

    anaconda不用提是标配，一般也都会有，安装很简单，略过。tensorflow的安装一般分为pip安装和conda安装。pip安装不推荐，虽然十分方便，但我包括网上不少人使用pip安装时都是出问题的。conda安装也不难，就是国外的源下载速度非常慢，需要更换国内源（清华的源听说也出了问题，换清华以外的）。

1.换源

conda install tensorflow

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

conda config --set show_channel_urls yes

2.创建conda虚拟环境

conda create -n tensorflow2_0 python=3.6

    安装完后可以使用命令查看

conda info --envs 

3.激活新环境

activate tensorflow2_0

4.安装tensorflow\keras

conda install tensorflow
conda install keras

测试一下，打开jupyter，

import tensorflow
import keras

没报错，就安装成功了。

5.跑个例子

使用著名的mnist进行一下hello world。

直接使用原生的例子有个问题，数据集下载太慢。

最好先从镜像把数据下好了再修改一下数据导入方式。这篇文章有提供详细方法和代码，经测试可以运行。

【keras】解决 example 案例中 MNIST 数据集下载不了的问题