Anaconda下安装keras 配置(windows版本 GPU版)

参考：http://blog.csdn.net/johinieli/article/details/66975546?utm_source=itdadao&utm_medium=referral

Anaconda下安装keras 配置与pycharm运行demo(windows版本)

1、Anaconda概述

Anaconda是一个用于科学计算的Python发行版，支持Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

再说一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

2、Anaconda安装

Anaconda的下载页有官网下载地址：https://www.continuum.io/downloads ，对Linux、Mac、Windows均支持。还可以选择清华的镜像下载，下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。Anaconda2对应的是Python 2.7，Anaconda3对应的是Python 3.+。

下载后直接按照说明安装即可。这里需要注意：尽量按照Anaconda默认的行为安装。这样的好处是，同一台机器上的不同用户完全可以安装、配置自己的Anaconda，不会互相影响。

对于Mac、Linux系统，Anaconda安装好后，实际上就是在主目录下多了个文件夹（~/anaconda）而已，Windows会写入注册表。安装时，安装程序会把bin目录加入PATH（Linux/Mac写入~/.bashrc，Windows添加到系统变量PATH），这些操作也完全可以自己完成。 安装完成后可以用conda –version命令检查是否正确。 这里我选择下载了这个版本：

3、Conda的操作（常用）

# 安装scipy conda install scipy # conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库） # 查看已经安装的packages conda lis # 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包 # 更新conda，保持conda最新 conda update conda # 更新anaconda conda update anaconda # 更新python conda update python # 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本 # 添加Anaconda的TUNA镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # TUNA的help中镜像地址加有引号，需要去掉 # 设置搜索时显示通道地址 conda config --set show_channel_urls yes

4、安装theano+Keras+MinGW

安装好Anaconda之后，搜索程序打开Anaconda Prompt，在命令行依次中输入，安装好一个后再键入下一句命令。 pip install Theano pip install keras conda install mingw libpython （安装过程中碰到Proceed ([y]/n)? 键入y回车） 还需要安装scipy，键入下面的命令。 conda install scipy

5、GPU加速 （CPU版 跳过这一步）

（1）VS 2013默认安装，可以只选C++部分 （2）cuda_7.5.18_win10.exe默认安装

安装完后，打开环境变量应该会多出来2个变量，CUDA_PATH_V7_5和CUDA_PATH.打开cmd控制台命令行，输入命令nvcc –V回车（注意是大写V）就可以查看版本信息，如果安装正确会显示Cuda的版本号。 可以在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\bin\win64\Release双击histogram.exe，如果没有报错，CUDA安装是没有问题的

(3)   加速库CuDNN

从官网下载需要注册 Nvidia 开发者账号，网盘搜索一般也能找到。 Windows目前最新版v6.0，但是keras尚未支持此版本，请下载v5.1版本，即 cudnn-8.0-win-x64-v5.1.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，

默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5

（4）配置.theanorc.txt

在用户目录下新建.theanorc.txt

配置

[nvcc] fastmath = True flags = -LC:\Anaconda2\libs compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin [global] device = gpu0 floatX = float32 [blas] ldflags= [gcc] cxxflags=-IC:\Anaconda2\MinGW

注意点

python,gcc,nvcc的路径不要错gpu0（不是gpu，不然会报路径错误）

6、出现的麻烦事

6.1、import theano出现的问题

(C:\ProgramData\Anaconda2) C:\Windows\system32>python Python 2.7.13 |Anaconda 4.3.1 (64-bit)| (default, Dec 19 2016, 13:29:36) [MSC v.1500 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. Anaconda is brought to you by Continuum Analytics. Please check out: http://continuum.io/thanks and https://anaconda.org >>> import theano WARNING (theano.configdefaults): g++ not available, if using conda: `conda install m2w64-toolchain` WARNING (theano.configdefaults): g++ not detected ! Theano will be unable to execute optimized C- implementations (for both CPU and GPU) and will default to Python implementations. Performance will be severely degraded. To remove this warning, set Theano flags cxx to an empty string. >>> exit() 键入命令解决：conda install m2w64-toolchain1

6.2、 conda install mingw libpython 出现的问题

报错文本 CondaIOError: IO error: Missing write permissions in: C:\Program Files\Anaconda2 # # You don't appear to have the necessary permissions to install packages # into the install area 'C:\Program Files\Anaconda2'. # However you can clone this environment into your home directory and # then make changes to it. # This may be done using the command: # # $ conda create -n my_root --clone=C:\Program Files\Anaconda2 这个是权限的问题，有可能是Anaconda Prompt不是用管理员权限打开的。重新用管理员权限打开后，键入命令即正常。

修改代码中本地文件下读取数据集： 1、在demo所在的文件夹中添加数据集压缩包，下载地址：

https://s3.amazonaws.com/img-datasets/mnist.npz

2、然后修改代码

#加载数据 import pickle import gzip f = gzip.open('mnist.pkl.gz', 'rb') data = pickle.load(f) f.close() (X_train, y_train), (X_test, y_test) = data13

就可以从本地读取数据了。 这里还有数据集的另一个下载地址：http://yann.lecun.com/exdb/mnist/

7、附keras与theano的官方文档等

keras中文文档：http://keras-cn.readthedocs.io/en/latest/getting_started/concepts/ theano英文文档：http://deeplearning.net/software/theano/install_windows.html python包非官方包：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

参考资源：

1、http://python.jobbole.com/86236/ 2017.3.27 2、http://blog.csdn.net/qq_28119401/article/details/53217876 2017.3.27 3、http://blog.csdn.net/okcd00/article/details/54828747 2017.3.27