keras基本开发环境搭建

港控/mmm° 2022-05-19 00:42 205阅读 0赞

## **1. Linux 发行版** ##

linux有很多发行版，本文强烈建议读者采用新版的`Ubuntu 16.04 LTS` 一方面，对于大多数新手来说Ubuntu具有很好的图形界面，与乐观的开源社区；另一方面，Ubuntu是Nvidia官方以及绝大多数深度学习框架默认开发环境。 个人不建议使用Ubuntu其他版本，由于GCC编译器版本不同，会导致很多依赖无法有效安装。 Ubuntu 16.04 LTS下载地址：http://www.ubuntu.org.cn/download/desktop ![keras_ubuntu_1.png][]通过U盘安装好后，进行初始化环境设置。

## **2. Ubuntu初始环境设置** ##

*  安装开发包 打开`终端`输入：

# 系统升级
    >>> sudo apt update
    >>> sudo apt upgrade
    # 安装python基础开发包
    >>> sudo apt install -y python-dev python-pip python-nose gcc g++ git gfortran vim

*  安装运算加速库 打开`终端`输入：

>>> sudo apt install -y libopenblas-dev liblapack-dev libatlas-base-dev

## **3. CUDA开发环境的搭建(CPU加速跳过)** ##

***如果您的仅仅采用cpu加速，可跳过此步骤*** - 下载CUDA8.0

下载地址：https://developer.nvidia.com/cuda-downloads ![keras_ubuntu_2.png][]

之后打开`终端`输入：

>>> sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
    >>> sudo apt update
    >>> sudo apt -y install cuda

自动配置成功就好。

*  将CUDA路径添加至环境变量 在`终端`输入：

>>> sudo gedit /etc/profile

在`profile`文件中添加：

export CUDA_HOME=/usr/local/cuda-8.0
    export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

之后`source /etc/profile`即可

*  测试 在`终端`输入：

>>> nvcc -V

会得到相应的nvcc编译器相应的信息，那么CUDA配置成功了。(**记得重启系统**)

如果要进行`cuda性能测试`，可以进行：

>>> cd /usr/local/cuda/samples
    >>> sudo make -j8

编译完成后，可以进`samples/bin/.../.../...`的底层目录，运行各类实例。

## **4. 加速库cuDNN（可选）** ##

从官网下载需要注册账号申请，两三天批准。网盘搜索一般也能找到最新版。 Linux目前最新的版本是cudnn V6，但对于tensorflow的预编译版本还不支持这个最近版本，建议采用5.1版本，即是cudnn-8.0-win-x64-v5.1-prod.zip。 下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，在终端中输入：

>>> sudo cp include/cudnn.h /usr/local/cuda/include/
    >>> sudo cp lib64/* /usr/local/cuda/lib64/
    >>> cd /usr/local/cuda/lib64
    >>> sudo ln -sf libcudnn.so.5.1.10 libcudnn.so.5
    >>> sudo ln -sf libcudnn.so.5 libcudnn.so
    >>> sudo ldconfig -v

# **Keras框架搭建** #

## **相关开发包安装** ##

在`终端`中输入:

>>> sudo pip install -U --pre pip setuptools wheel
    >>> sudo pip install -U --pre numpy scipy matplotlib scikit-learn scikit-image
    >>> sudo pip install -U --pre tensorflow-gpu
    # >>> sudo pip install -U --pre tensorflow ## CPU版本
    >>> sudo pip install -U --pre keras

安装完毕后，输入`python`，然后输入：

>>> import tensorflow
    >>> import keras

无错输出即可

## **Keras中mnist数据集测试** ##

下载Keras开发包

>>> git clone https://github.com/fchollet/keras.git
    >>> cd keras/examples/
    >>> python mnist_mlp.py

`（`运行界面添加cuda CUDA\_VISIBLE\_DEVICES=1 python \*\*\*\*\*.py`）`

程序无错进行，至此，keras安装完成。

# #

[keras_ubuntu_1.png]: /images/20220519/cd2d544f3d02417abc16c0336f9fb33e.png
[keras_ubuntu_2.png]: /images/20220519/745f4df651e848a39b25944f93c11576.png

keras基本开发环境搭建

发表评论取消回复

还没有评论，来说两句吧...

相关阅读