1. Keras环境的安装_conda安装kreas镜像源

说明：

本人电脑使用的是Windows10系统，提前安装了Anaconda

1. 创建虚拟环境+安装keras

• 添加Anaconda的TUNA镜像：
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
• 创建 python3.6 的虚拟环境： （python3.x尽量>=python3.5）
  conda create -n keras python=3.6
• 查看创建的虚拟环境：
  conda env list 或 conda info -e
• 激活虚拟环境
  (conda/source) activate keras
• 删除虚拟环境
  conda remove -n env_name --all

---

• pip install package_name -i 国内镜像源
  - 清华：https://pypi.tuna.tsinghua.edu.cn/simple
  - 阿里云：https://mirrors.aliyun.com/pypi/simple/
  - 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  - 华中理工大学：http://pypi.hustunique.com/
  - 山东理工大学：http://pypi.sdutlinux.org/
  - 豆瓣：http://pypi.douban.com/simple/
  - 官方：https://pypi.python.org/simple

---

• 安装tensorflow1.9.0（这是tensorflow-CPU的安装方式，GPU版可以参考：Win10+Python 3.6环境下cuda 9.1+cuDNN 7.1+Tensorflow 1.7+keras安装）
  pip install tensorflow==1.9.0 # 这是CPU版的tensorflow安装方式
  当然，如果没有使用清华镜像，也可以使用下面的命令进行下载，会快一点。
  pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/ # 从豆瓣镜像中下载速度比较快
  pip install tensorflow-gpu 安装 TensorFlow 速度非常慢（不推荐）
  其实在安装tensorflow之前可以先安装numpy、scipy、mkl等一些库。当然也可以直接让conda在安装tensorflow时制动给你安装上必要的库。安装完成后，可以用以下代码测试是否安装成功。

# 程序可能会出现一些警告信息，但是不会报错，且能看到运行结果
import tensorflow as tf
message = tf.constant('Hello tensorflow!')
with tf.Session() as sess:
    print(sess.run(message))

# 或者下面的代码
print(tf.test.is_gpu_available())
1
2
3
4
5
6
7
8

• 安装keras2.1.6
  pip install keras==2.1.6
  安装完成之后，你可以用import keras来查看keras是否安装成功。

# 去掉python输出的警告：但是切记，不要盲目设置取消输出。
import warnings
warnings.filterwarnings("ignore")

import keras # 导入keras模块
keras.__version__ # 查看keras的安装版本

import tensorflow as tf
tf.__version__ # 查看tensorflow的安装版本
1
2
3
4
5
6
7
8
9

除此以外，建议安装一些其他的常用库

• 一个绘制数据图的库。对于数据科学家或分析师非常有用。
  pip install matplotlib
• Pandas是进行数据清晰/整理的最好工具
  pip install pandas
• Scikit-Learn是Python常用的机器学习工具包，提供了完善的机器学习工具箱，支持数据预处理、分类、回归、聚类、预测和模型分析等强大机器学习库，其依赖于Numpy、Scipy和Matplotlib等。
  pip install scikit-learn
• 其他。。。。。。

将虚拟环境添加到jupyter notebook中去：

由于本人将使用的是jupyter notebook编程环境，所以需要进一步设置：

• 进入虚拟环境： conda activate env_name
• 当安装了新的conda虚拟环境时，发现在Jupyter Notebook中无法使用，可以在你的新环境上安装ipykernel
  pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
• 将虚拟环境写入jupyter notebook中的环境中，运行：python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"，注意不要忘记了双引号。例如：python -m ipykernel install --user --name test1 --display-name “test1”
• 重启jupyter之后就可以用了

参考博客：

• 1.jupyter notebook添加虚拟环境
• 2.Jupyter Notebook运行指定的conda虚拟环境