Ubuntu18.04下基于Anaconda3和TensorFlow1.8-GPU安装Keras教程

---

1、依赖包安装

安装一些相关的依赖包

sudo apt-get install build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev
sudo apt-get install python-numpy python-scipy python-matplotlib python-yaml
sudo apt-get install libhdf5-serial-dev python-h5py
sudo pip install -U --pre pip setuptools wheel
sudo pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image
sudo apt-get install graphviz        //可视化
sudo pip install pydot-ng        //可视化
sudo apt-get install python-opencv

2、Keras安装

安装Keras之前需要安装一下TensorFlow-GPU.
TensorFlow-GPU安装教程：Ubuntu18.04下基于Anaconda安装TensorFlow1.8-GPU
然后在Tensorflow的环境中进行Keras的安装。

source activate tensorflow

方法一：通过源码安装
此处我们通过源码安装，这样可以使用更多的脚本进行练习。

git clone https://github.com/keras-team/keras.git
cd keras
python setup.py install

方法二：通过PyPI安装

pip install keras

安装后进入Python环境
出现以下信息表示安装成功~

(tensorflow) ligy@lab729:~$ python
Python 3.6.7 |Anaconda, Inc.| (default, Oct 23 2018, 19:16:44) 
[GCC 7.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow
>>> import keras
Using TensorFlow backend.
>>>

3、测试Mnist

在Keras目录下，运行mnist的demo.

python example/mnist_cnn.py

运行完成后如图所示

运行Keras至少一次后，就可以在 ~/.keras/keras.json 文件中找到Keras的配置文件。
此时就可以编辑这个文件，可以选择Keras的后端是TensorFlow、Theano或CNTK。
我的配置文件如下：

{
    
    
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "tensorflow",
    "image_data_format": "channels_last"
}

---

注：

• 运行examples/mnist_cnn.py脚本时，可以在另一个shell窗口中监控GPU的利用率。命令如下：

watch -n 5 nvidia-smi -a --display=utilization

至此，基于TensorFlow-GPU的Keras已经安装完成！现在开始可以构建深度学习应用了！