1. 安裝numpy和scipy,並確保安裝了基本的線性代數函式庫(BLAS),以便模型在CPU上快速運行。
2. 安裝兩個額外的包,在使用Keras時非常方便:HDF5(用於保存大型神經網絡文件)和Graphviz(用於可視化神經網絡架構)。
3. 通過安裝CUDA驅動程序和cuDNN,確保GPU能夠運行深度學習代碼。
4. 安裝Keras的後端:TensorFlow、CNTK或Theano。
安裝BLAS庫(本例中為OpenBLAS),以確保您可以在CPU上運行快速張量操作:
$ sudo apt-get install build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev
cuDNN:在我的部落格有詳細描述安裝流程
https://chiustin.blogspot.com/2019/09/ubuntu-1804-install-cudnn.html#more
HDF5:這個函式庫最初由NASA開發,以高效的二進制格式存儲大量的數字數據文件。它將允許您快速和有效的保存您的Keras模型到磁盤:
$ sudo apt-get install libhdf5-serial-dev python-h5py
參考
https://chtseng.wordpress.com/2017/08/15/%E5%B7%A8%E9%87%8F%E8%B3%87%E6%96%99%E7%9A%84%E5%A5%BD%E5%A4%A5%E4%BC%B4hdf5-redis/
h5py: anaconda內建有安裝
這兩個package可以讓您可視化Keras模型。它們對於運行Keras不是必需的,因此您可以跳過這一步,在需要時安裝這些package
graphviz
$ sudo apt-get install graphviz
pydot
$ conda install -c anaconda pydot
參考
https://anaconda.org/anaconda/pydot
如果有發生zsh: command not found: conda
$ vi ~/.zshrc
$ export PATH="/home/chiustin/anaconda3/bin:$PATH"
$ source ~/.zshrc
安裝keras
$ sudo pip install keras
如果有發生pip: command not found
$ vi ~/.zshrc or vi ~/.bashrc
$ alias sudo='sudo env PATH=$PATH'
$ source ~/.zshrc or source ~/.bashrc
因為pip環境設定和python3,所以選擇用pip安裝Keras而不是pip3
沒有留言:
張貼留言