如何安装keras和tensorflow

Keras和Tensorflow是使用神经网络合作的开源Python库，创建机器学习模型并执行深度学习。因为keras是tensorflow的高级API，所以它们都安装在一起。

通常，有两种方法可以安装Keras和TensorFlow：

• 安装一个Python分布，包括数百个流行的包（包括Keras和Tensorflow），例如activepython.。
• 使用pip安装tensorflow，也将同时安装keras。

pip安装tensorflow.

而不是单独安装每个包的PIP，推荐的方法是将Keras安装为TensorFlow安装的一部分。安装Tensorflow 2.0+时，keras也会自动安装。

安装TensorFlow的最简单方法是使用Python包索引(PyPI)上的一个官方发行版安装二进制版本。

TensorFlow可以在三种不同的处理器平台上运行，主要区别在于神经网络的训练速度。每个平台有不同的硬件需求，提供不同的性能:

• 中央处理器-任何现代计算机都可以运行这个版本，但它提供最慢的训练速度。
• TPU.- 仅在谷歌的崇拜者上仅提供（COLAB.)平台，张量处理单元(TPUs)提供最高的训练速度。
• GPU.-大多数高端计算机都有一个独立的图形处理单元(GPU)，来自Nvidia或AMD，提供比cpu快得多的训练速度，但不如tpu快。

TensorFlow需求

TensorFlow和Keras需要Python 3.6+ (Python 3.8需要TensorFlow 2.2+)和pip的最新版本。您可以通过运行以下命令来确定计算机上安装的Python版本:

Python3  - 转变

输出应类似于：

Python 3.8.2.

运行以下命令以确保已安装最新版本的PIP：

PIP安装——升级PIP

使用实例为CPU和GPU处理器安装TensorFlow。

pip安装tensorflow.

如果您可以使用CPU训练您的神经网络，那么您的安装就完成了。如果您想将GPU与培训一起使用，您需要执行以下操作：

• 对于AMD gpu，请参阅本文为AMD gpu安装Tensorflow 2
• 对于NVIDIA GPU：
  1. 确保你正在运行一个CUDA®启用卡
  2. 安装v11或更高版本的CUDA®工具包
  3. 如果你正在使用深度神经网络，你还应该安装最新版本的CUDNN图书馆

安装安装了扭转杂色和keras依赖项：

tensorflow├──absl-py ~ = 0.10│└──6├──astunparse ~ = 1.6.3│├──六< 2.0 > = 1.6.1│└──轮< 1.0 > = 0.23.0├──flatbuffers ~ = 1.12.0├──恐吓= = 0.3.3├──google-pasta ~ = 0.2│└──6├──grpcio ~ = 1.32.0│└──6 > = 1.5.2├──h5py ~ = 2.10.0│├──numpy > = 1.7│└──6├──keras-preprocessing ~ = 1.1.2│├──numpy > = 1.9.1│└──6 > = 1.9.0├──numpy ~ = 1.19.2├──opt-einsum ~ = 3.3.0│└──numpy > = 1.7├──protobuf > = 3.9.2│└──6 > = 1.9├──6 ~ = 1.15.0├──tensorboard ~ = 2.4│├──absl-py > = 0.4││└──6│├──google-auth-oauthlib < 0.5 > = 0.4.1││├──google-auth > = 1.0.0│││├──cachetools < 5.0 > = 2.0.0│││├──pyasn1-modules > = 0.2.1││││└──pyasn1 < 0.5.0, > = 0.4.6│││├──rsa < 5 > = 3.1.4││││└──pyasn1 > = 0.1.3│││├──setuptools > = 40.3.0│││└──6 > = 1.9.0││└──requests-oauthlib > = 0.7.0││├──oauthlib > = 3.0.0││└──请求> = 2.0.0││├──certifi > = 2017.4.17││├──chardet < 5 > = 3.0.2││├──idna < 3 > = 2.5││└──urllib3 < 1.27 > = 1.21.1│├──google-auth < 2 > = 1.6.3││├──cachetools < 5.0 > = 2.0.0││├──pyasn1-modules > = 0.2.1│││└──pyasn1 < 0.5.0 > = 0.4.6││├──rsa < 5 > = 3.1.4│││└──pyasn1 > = 0.1.3││├──setuptools > = 40.3.0││└──6 > = 1.9.0│├──grpcio > = 1.24.3││└──6 > = 1.5.2│├──减价> = 2.6.8│├──numpy > = 1.12.0│├──protobuf > = 3.6.0││└──6 > = 1.9│├──请求< 3 > = 2.21.0││├──certifi > = 2017.4.17││├──chardet < 5 > = 3.0.2││├──idna < 3 > = 2.5││└──urllib3 < 1.27 > = 1.21.1│├──setuptools > = 41.0.0│├──6 > = 1.10.0│├──tensorboard-plugin-wit > = 1.6.0│├──werkzeug > = 0.11.15│└──轮> = 0.26├──tensorflow-estimator < 2.5.0, > =测试盒框├──termcolor ~ = 1.1.0├──typing-extensions ~ = 3.7.4├──轮~ = 0.35└──打包~ = 1.12.1

使用pip更新tensorflow和keras

如果您已安装TensorFlow和Keras，则可以通过运行以下命令来更新它们：

pip安装-U tensorflow

可以使用以下命令验证TensorFlow安装:

Python -M pip显示tensorflow

输出应类似于：

tensorflow是一个开源的机器学习框架。作者:谷歌Inc。作者-电子邮件:packages@tensorflow.org许可:Apache 2.0位置:c:\python38\lib\site-packages

如果您打算创建基于TensorFlow和Keras数据的图，那么可以考虑安装Matplotlib。有关Matplotlib以及如何安装它的信息，请参阅Python中的Matplotlib是什么?

如何导入keras和tensorflow

安装TensorFlow和Keras后，您可以开始与它们一起工作。

#通过导入Keras库开始Keras脚本:进口克拉斯

或

来自Tensorflow进口Keras# TensorFlow导入:导入tensorflow作为tf

不需要导入所有的Keras和Tensorflow库函数。相反，只导入项目需要的函数。

#从Keras导入Sequential模型类＃形成顺序神经网络的框架：从keras。模型导入顺序

有关使用Keras的更多信息，请参阅什么是Keras模型。< -链接需要

获取一个Python版本，用Keras和其他流行的ML包预编译

ActivePython是适用于Windows、Linux和Mac的受信任的Python发行版，预绑定了用于机器学习的顶级Python包——可免费用于开发使用。

一些流行的ml软件包，您可以预编译 - 与idtivepython

机器学习:

• 纹身流(基于神经网络的深度学习)*
• 克里克特 - 学习（机器学习算法）
• 凯拉斯(高级神经网络API)

数据科学：

• 熊猫（数据分析）
• numpy.（多维数组）
• scipy（用numpy使用的算法）
• HDF5.(存储和操作数据)
• matplotlib.（数据可视化）

在此处获取ActivePython用于Windows，MacOS或Linux的机器学习。

为什么使用ActivePython而不是开源Python?

虽然Python的开源分布可能对个人令人满意，但它并不总是满足大型组织的支持，安全性或平台要求。

这就是为什么组织为他们的数据科学选择vidyPython，大数据处理和统计分析需求。

与最重要的包裹预捆绑数据科学家需要，ActivePython已预编译，以便您和您的团队不必浪费时间配置开源分发。您可以专注于对您的大数据源的重要时间建设算法以及预测模型，以及更少的系统配置的时间。

ActivePython与开源Python发行版100%兼容，并提供您的组织所需的安全和商业支持。

使用ActivePython您可以探索和操作数据，运行统计分析，并提供可视化以迅速与您的业务用户和高管共享洞察 - 无论您的数据生存。

与keras相关的Python用例:

如何使用机器学习来确定泰坦尼克幸存者

如何使用Python和经常性神经网络构建歌词发生器