win10下用Anaconda安装TensorFlow | 后附JetBrains测试

清醒疯子 2018-04-08

从意识上认识Anaconda(音标:[ˌænəˈkɑ:ndə])/(拼读:安娜康达)。
Anaconda:水蟒的意思,如图logo像不像水蟒。其最后五个字母是conda(包管理器),而Anaconda正是在conda(一个包管理器和环境管理器)上发展出来的。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

Anaconda的用处:能帮你建立不同的运行环境。比如有两个项目A和B,一个是GitHub上拉取的python2版本的,一个是你项目组的python3,如果想要在你的电脑上运行,同时安装两个版本的Python会出现环境混乱或错误。再比如你需要不同版本的Keras,明确的是不能同时安装两个版本,那么Anaconda就为你解决了这个问题。

Anaconda的定义:anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。Anaconda 的下载文件比较大(约 515 MB)。


下面我们将正式开始安装Anaconda:

1.下载Anaconda安装包,通过各种方法以最下载速度方式获取安装包,这里我使用的Anaconda官网:https://www.anaconda.com/download/

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

2.双击安装包,出现授权窗口时,选择是。过程中注意两个点:

一是注意安装位置,尽量别安装在C盘占用系统空间(因为待会我们的新建的环境就会在Anaconda的安装下的envs文件夹里);

二是注意当出现如图,以下安装选项时都打对勾。(第一个对勾是添加Anaconda到系统环境,第二个Anaconda中里面自动包含Python的包,允许其他Python工具访问。)

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

3.等待五至十分钟安装完成

安装完成后,我们需要构建一个conda管理,我在很多博客上看到的都是用Anaconda Prompt(Anaconda命令框)安装,但是本身来说Anaconda就是有图形界面管理的,所以我认为对Anaconda应该有个本质上的意识,这就是为什么一开头我并没有急着了解怎么安装,而是去认知Anaconda安装后我知道它是什么并且它该怎么用。


接下来我们就构建一个conda环境并用JetBrains Pycharm创建一个可用的项目案例:

1.打开快速启动栏的Anaconda Navigator(Anaconda导航),等待一下进入界面。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

2.左边导航条选择Environments,这里的base(root)就是我们环境的一个根环境。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

3.左下角选择Create,给环境取一个名字(以后激活环境使用的就是该环境名),然后选择Python版本。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

4.等待片刻后,默认出现已安装的包。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

5.点击右侧导航栏,切换到All,文本框输入tensorflow,出现三个版本的,我们选择tensorflow(默认CPU版本),根据需要选择tensorflow-gpu(GPU版本)。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试win10下用Anaconda安装TensorFlow | 后附JetBrains测试win10下用Anaconda安装TensorFlow | 后附JetBrains测试

6.根据需要添加各种包,这里我们测试的Keras,所以还要添加keras包。

到这里,这样一个Python3.5版本带有tensorflow包的helloenvs环境就配好了。如果在过程中发现有些包不存在,就可以按照这样的方式添加,并且创建新环境也同样如此。


接下来我们就用JetBrains Pycharm构建一个例子,并配用刚才配好的helloenvs环境:

1.首先安装JetBrains Pycharm,通过各种方法以最快网速的方式获得安装包,然后自行安装,注意安装位置和工作空间的位置。

2.新建一个项目File->New Project->输入项目名HelloEnvs,点击Create

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

3.File->Settings->Project:HelloEnvs->Project Interpreter,点击添加设置Add。win10下用Anaconda安装TensorFlow | 后附JetBrains测试

4.弹出Add Python Interpreter窗口,选择Conda Environment,选择Existing environment,点击右侧按钮,添加到刚才新建环境的Anaconda安装目录/envs文件夹/helloenvs环境/python.exewin10下用Anaconda安装TensorFlow | 后附JetBrains测试

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

5.新建helloenvs.py文件,复制代码,等待下面Update完成后再运行。win10下用Anaconda安装TensorFlow | 后附JetBrains测试

win10下用Anaconda安装TensorFlow | 后附JetBrains测试win10下用Anaconda安装TensorFlow | 后附JetBrains测试
from keras.preprocessing.image import ImageDataGenerator
from keras.layers import Dense,MaxPool2D,Activation,Flatten,Conv2D,Input,Dropout
from keras.models import Model,Sequential
from keras.optimizers import rmsprop,SGD
import keras.backend as K
from keras.callbacks import TensorBoard

imagetrainpath='train'
imagepath3='./data/birds' #符号.点标识当前资源(BirdsClasserSimplyDemo.py的)路径(图片资源路径)
modelsavepath='XX'  #model保存路径
log_path='./tmp/logX' #日志生成路径
st_w=128 #预处理图片大小
st_h=128 #报错可改为299*299/244*244
nb_class=6 #分类个数
batch_size=32
epoch=4 #训练次数
step_each_batch=32

train_dataagen=ImageDataGenerator(rescale=1. /255,shear_range=0.2,zoom_range=0.2,horizontal_flip=True)

train_generator=train_dataagen.flow_from_directory(
    imagepath3,
    target_size=(st_w,st_h),
    batch_size=batch_size,
    class_mode='categorical'
)

if K.image_data_format()=='channels_first':
    input_tensor = Input(shape=(3,st_w,st_h))
else:
    input_tensor = Input(shape=(st_w,st_h,3))

model = Sequential()
model.add((Conv2D(32,5,5,input_shape=(st_w,st_h,3))))
model.add(Activation('relu'))
model.add(MaxPool2D(pool_size=(2,2)))

model.add(Conv2D(32,3,3))
model.add(Activation('relu'))
model.add(MaxPool2D(pool_size=(2,2)))


model.add((Conv2D(64,3,3)))
model.add(Activation('relu'))
model.add(MaxPool2D(pool_size=(2,2)))


model.add(Flatten())

model.add(Dense(64))
model.add(Activation('relu'))

model.add(Dropout(0.5))
model.add((Dense(nb_class)))
model.add(Activation('softmax'))
model.compile(optimizer='sgd',loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit_generator(train_generator,steps_per_epoch=step_each_batch,epochs=epoch,
                    callbacks=[TensorBoard(log_dir=log_path)])
model.save_weights(modelsavepath+'weights.h5')
model.save(modelsavepath)
测试Keras用例代码

6.运行结果如下,完成配置。

win10下用Anaconda安装TensorFlow | 后附JetBrains测试

以上就是用win10下用Anaconda Navigator安装TensorFlow,并用JetBrains测试Keras的用例。如果有什么疑问,请提出,多多交流。

相关推荐

明学的白板 / 0评论 2018-02-23