深度学习框架keras——mac安装keras和TensorFlow
程序员文章站
2022-07-13 08:04:36
...
步骤分为两个:一、安装keras;二、安装它的backend(中文资料说这个backend理解为Keras的底层支持,用于数据流的计算),我选择了TensorFlow,还可以选择其他底层,根据需要自己确定。
二者的安装顺序有没有要求呢?个人觉得没有。我先安装的keras,然后测试安装成功否,测试例子需要引入TensorFlow,所以就报错了,缺少这个TensorFlow的包,因此接着安装TensorFlow就好。安装的材料一律来自官网,本次安装过程中收获两点:网速一定要快,否则动不动就time-out(不过也有解决方法,后续会说);linux命令真是强大,安装软件直接一条语句完全搞定。
一、安装keras
参考链接Keras安装(中文文档)
//从源码安装Keras时,首先git clone keras的代码:
$ git clone https://github.com/fchollet/keras.git
//接着 cd 到Keras的文件夹中,并运行下面的安装命令,我的是这样,
$ cd ~/keras
keras $
//随后再ls一下,你会看到里面有setup.py文件:
keras $ sudo python setup.py install
二、安装TensorFlow
详情见 mac安装TensorFlow
这里常出现的问题就是time out,可能因为网速比较。解决办法:
//1 启动终端(即 shell)。您将在此 shell 中执行所有后续步骤。
//2 通过发出以下命令安装 pip 和 Virtualenv:
$ sudo easy_install pip
$ pip install --upgrade virtualenv
此处有time out 的问题,将上面语句改为:
$ pip --default-timeout= 10000 install --upgrade virtualenv
//3 通过发出以下某种格式的命令创建 Virtualenv 环境:
$ virtualenv --system-site-packages targetDirectory # for Python 2.7
其中 targetDirectory 表示 Virtualenv 树的顶层目录。我们的指令假定 targetDirectory 为 ~/tensorflow,但您可以选择任何目录。
//4 通过发出下列其中一条命令** Virtualenv 环境:
$ cd targetDirectory
$ source ./bin/activate # If using bash, sh, ksh, or zsh
// 执行上述 source 命令后,您的提示符应该会变成如下内容:非常重要非常重要的标志,大家牢记!!
(targetDirectory)$
// 5 确保安装 pip 8.1 或更高版本:
(targetDirectory)$ easy_install -U pip
// 6 发出以下某个命令,将 TensorFlow 及其所需的所有软件包安装到活动 Virtualenv 环境中:
(targetDirectory)$ pip install --upgrade tensorflow # for Python 2.7
//一定要在targetDirectory下进行安装,我没注意这个问题,然后就安装错了,运行代码还会报错,然后重新安装ing
// 7 成功。
注意:::每次使用TF的时候都需要**Virtualenv 环境,也就是运行两个语句:
$ cd targetDirectory
$ source ./bin/activate
//写个测试例子
$ python
# Python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
上一篇: 批量修改git commit的作者信息
下一篇: tensorflow,keras安装
推荐阅读
-
关于tensorflow和keras安装问题
-
Centos安装TensorFlow和Keras
-
安装Tensorflow和Keras
-
安装对应版本的tensorflow和keras
-
深度学习框架keras——mac安装keras和TensorFlow
-
使用Keras和Tensorflow设置和安装Mask RCNN
-
redhat6.4上安装tensorflow和keras
-
TensorFlow和Caffe、MXNet、Keras等深度学习框架的对比
-
深度学习之格式转换笔记(三):keras(.hdf5)模型转TensorFlow(.pb) 转TensorRT(.uff)格式
-
在anconda创建Python3.6虚拟环境安装tensorflow1.8(cpu)和keras2.1.6