本文共 4816 字，大约阅读时间需要 16 分钟。

Theano

windows下

• Download Anaconda now!
• conda install mingw libpython
• pip install theano

Keras

git

Windows下

通过 conda install keras 或 pip install keras直接安装。（会默认的给你安装keras最新版本和所需要的theano）

因为windows版本的tensorflow刚刚才推出，所以目前支持性不太好。但是keras的backend 同时支持tensorflow和theano. 并且默认是tensorflow, 因此在win本上需要更改backend为theano才能运行。Linux中切换backend同理！

• 将C:\Anaconda2\Lib\site-packages\keras\backend\__init__.py的line 27修改：

# Default backend: TensorFlow.#_BACKEND = 'tensorflow'_BACKEND = 'theano'

then, python-> import keras

• 出现 tensorflow提示错误的话，需要修改下面的位置的内容: C:\Users\Administrator\.keras\keras.json

{  "image_dim_ordering":"tf",  "epsilon":1e-07,  "floatx":"float32",  "backend":"tensorflow"  }  {      "image_dim_ordering": "tf",       "epsilon": 1e-07,       "floatx": "float32",       "backend": "theano"  }

切换后端

如果你至少运行过一次Keras，你将在下面的目录下找到Keras的配置文件：

~/.keras/keras.json

如果该目录下没有该文件，你可以手动创建一个

文件的默认配置如下：

{"image_dim_ordering":"tf","epsilon":1e-07,"floatx":"float32","backend":"tensorflow"}

将backend字段的值改写为你需要使用的后端：theano或tensorflow，即可完成后端的切换

我们也可以通过定义环境变量KERAS_BACKEND来覆盖上面配置文件中定义的后端：

KERAS_BACKEND=tensorflow python -c "from keras import backend;"Using TensorFlow backend.

keras.json 细节

{    "image_dim_ordering": "tf",    "epsilon": 1e-07,    "floatx": "float32",    "backend": "tensorflow"}

你可以更改以上~/.keras/keras.json中的配置

• image_dim_ordering：字符串，”tf”或”th”，该选项指定了Keras将要使用的维度顺序，可通过keras.backend.image_dim_ordering()来获取当前的维度顺序。对2D数据来说，tf假定维度顺序为(rows,cols,channels)而th假定维度顺序为(channels, rows, cols)。对3D数据而言，tf假定(conv_dim1, conv_dim2, conv_dim3, channels)，th则是(channels, conv_dim1, conv_dim2, conv_dim3)
• epsilon：浮点数，防止除0错误的小数字
• floatx：字符串，”float16”, “float32”, “float64”之一，为浮点数精度
• backend：字符串，所使用的后端，为”tensorflow”或”theano”

---

win10 bash下配置环境

• bash Anaconda….sh
• source ~/.bashrc
• sudo /home/sun/anaconda2/bin/pip install theano
• sudo /home/sun/anaconda2/bin/pip install keras
• sudo /home/sun/anaconda2/bin/pip install –upgrade gensim

---

Cuda

安装CUDA

查看系统信息

$ uname -m && cat /etc/*release

验证NVIDIA显卡

$ lspci | grep -i nvidia

安装gcc及g++

就是安装C++开发环境，因为CUDA是基于C/C++开发的，当然现在也支持很多其他语言

$ sudo apt-get install gcc g++

安装linux kernel header及开发包

$ sudo apt-get install linux-headers-$(uname -r)

为了避免出现头文件相关的问题，推荐安装上build-essential：

$ sudo apt-get install build-essential

合并：

$ sudo apt-get install gcc g++ linux-headers-$(uname -r) build-essential -y

官方文档

Installation Instructions:`sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb``sudo apt-get update``sudo apt-get install cuda`

3.6. Ubuntu

1. Perform the pre-installation actions. 2. Install repository meta-data

When using a proxy server with aptitude, ensure that wget is set up to use the

same proxy settings before installing the cuda-repo package.

$ sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

1. Update the Apt repository cache

$ sudo apt-get update

1. Install CUDA

$ sudo apt-get install cuda

1. Perform the post-installation actions

验证

重启显卡

root@dluta914:/etc/network# systemctl status nvidia-persistenced.service

驱动

apt install software-properties-common –> add-apt-repository ppa:graphics-drivers/ppa(可选)

apt install ubuntu-drivers-common –> ubuntu-drives list –> ubuntu-drivers autoinstall

nvidia-detector

root@dluta914:/etc/network# nvidia-smiWed Mar 15 16:06:11 2017+-----------------------------------------------------------------------------+| NVIDIA-SMI 378.13                 Driver Version: 378.13                    ||-------------------------------+----------------------+----------------------+| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC || Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. ||===============================+======================+======================||   0  Tesla K20c          Off  | 0000:03:00.0     Off |                    0 || 40%   48C    P0    57W / 225W |      0MiB /  4742MiB |     95%      Default |+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+| Processes:                                                       GPU Memory ||  GPU       PID  Type  Process name                               Usage      ||=============================================================================||  No running processes found                                                 |+-----------------------------------------------------------------------------+

cuda

安装：

./cuda*.run

cd ~/NVIDIA_CUDA-8.0_Samples/ –> make all

cd ~/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery

–> nvcc -I '../../common/inc/' deviceQuery.cpp -o deviceQuery –> ./deviceQuery

nvcc -V

环境变量

vim /etc/bash.bashrc

export CUDA_HOME=/usr/local/cuda-8.0export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

vim ~/.bashrc

转载地址：http://xjoji.baihongyu.com/