windows10（64位）Anaconda3+Python3.6搭建Tensorflow（cpu版本）及keras

一、搭建Tensorflow（CPU版本）

1、安装前准备

在Tensorflow官网的安装向导中可以看到，tf有两个版本，分别为CPU和GPU版本，两个版本的区别在于：GPU版本依赖于NVIDIA（英伟达™）GPU（图形处理器，即显卡），并且通过NVIDIA提供的运算平台CUDA(Compute Unified Device Architecture)及cuDNN（CUDA Deep Neural Network）对一些常用的神经网络操作进行性能提升，但是这两个工具只支持NVIDIA的显卡（N卡），而不支持AMD公司的产品（A卡），因此如果要安装的PC没有配置N卡，是无法安装GPU版本的。

关于CDUA：CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。 计算行业正在从只使用CPU的“*处理”向CPU与GPU并用的“协同处理”发展。为打造这一全新的计算典范，NVIDIA™（英伟达™）发明了CUDA（Compute Unified Device Architecture，统一计算设备架构）这一编程模型，是想在应用程序中充分利用CPU和GPU各自的优点。现在，该架构已应用于GeForce™（精视™）、ION™（翼扬™）、Quadro以及Tesla GPU（图形处理器）上。（来自百科）

安装Tensorflow有两种方式：pip及Anaconda

pip：本地pip直接在您的系统上安装TensorFlow，而无需通过虚拟环境。由于本地pip安装不在单独的容器中，因此pip安装可能会干扰系统上其他基于Python的安装。但是，如果您了解pip和Python环境，则本地pip安装通常只需要一个命令！此外，如果使用本地pip进行安装，则用户可以从系统上的任何目录运行TensorFlow程序。 这个安装方法需要系统已经搭载下列Python环境：

Python 3.6.x 64-bit from python.org

Python 3.5.x 64-bit from python.org

TensorFlow在Windows上支持Python 3.5.x和3.6.x。请注意，Python 3带有pip3软件包管理器，这是将用于安装TensorFlow的程序。安装TensorFlow，需要在cmd中发出适当的 pip3安装命令。

1）要安装TensorFlow的纯CPU版本，输入以下命令：

C:\> pip3 install --upgrade tensorflow

2）要安装TensorFlow的GPU版本，请输入以下命令：

C:\> pip3 install --upgrade tensorflow-gpu

Anaconda：在Anaconda中可以使用conda创建一个虚拟环境。然后用pip install命令或conda install命令安装TensorFlow ，官方推荐使用pip install命令，因为conda软件包是社区支持的，没有正式的支持。也就是说，TensorFlow团队既不测试也不维护这个conda软件包 。（Anaconda是由Python提供支持的领先的开放数据科学平台。 Anaconda的开源版本是Python和R的高性能分发版本，包括超过100个用于数据科学的最流行的Python，R和Scala软件包。）

（因为个人电脑本地环境已经安装Python3.6，并且配置好sublime text文本编辑器，为了避免不必要的麻烦，不采用本地pip安装方式，选用anaconda安装tensorflow，方便管理。）

2、开始安装

1）从anaconda官方下载并安装anaconda3

根据此处安装向导进行安装，注意：建议不要将Anaconda添加到PATH环境变量中，因为这会干扰其他软件。而应使用Anaconda软件，从“开始”菜单打开“Anaconda导航器”或“Anaconda提示”。（营造一个相对独立的环境）

安装成功后会有如图界面

安装完以后，打开Anaconda Prompt，输入清华的仓库镜像，更新包更快：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

若出现之后出现‘HTTP 000 。。。。。’的网络连接错误可以参考：https://www.jianshu.com/p/2a237ba0e4d1

检查Anaconda是否成功安装：conda
 --version 

安装后一般为4.4.3版本，用命令更新：conda update conda 

更新前，为（root）c：\user\jh,更新后变为（base）c：\user\jh

检查目前有哪些版本的python可以安装：conda
search --full-name python 

通过调用以下命令创建一个名为tensorflow的conda环境：

C：> conda create -n tensorflow pip python = 3.6 

 

通过发出以下命令来激活tensorflow环境：

C:> activate tensorflow

2）在conda环境中安装TensorFlow。

要安装TensorFlow的纯CPU版本，输入以下命令：

pip install --ignore-installed --upgrade tensorflow

要安装TensorFlow的GPU版本，输入以下命令：

pip install --ignore-installed --upgrade tensorflow-gpu

之后开始连接并自动下载

下载安装成功：

查看目前安装了哪些环境，确保名叫tensorflow的环境已经被成功添加：conda
info --envs 

*表示当前环境

打开anaconda navigator  图形管理界面

看到环境选项有TensorFlow

3）验证是否安装成功

错误尝试:直接在cmd里面键入python，然后键入import
tensorflow （导入TensorFlow库）

会遇到No module named "tensorflow"的错误，

正确做法：activate tensorflow 激活tensorflow，再键入Python进入交互环境，键入import tensorflow 

 或输入下面代码：

importtensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

最终输出成功说明tensorflow安装成功

也可以在图形管理界面打开spyder，进行编辑，第一次打开需要下载，注意spyder的版本

可以尝试运行这个例程：

import tensorflow as tf
import numpy as np
#import keras    装完keras后，去掉#尝试运行，用于检验安装
x=tf.placeholder("float")
y=tf.placeholder("float")
w=tf.Variable([1.0,2.0],name='w')
y_pred=tf.multiply(x,w[0])+w[1]
error=tf.square(y-y_pred)

train_op=tf.train.GradientDescentOptimizer(0.02).minimize(error)
model=tf.initialize_all_variables()

with tf.Session() as session:
    session.run(model)
    for i in range(1000):
        x_value=np.random.rand() 
        y_value=x_value*2+6
        session.run([train_op],feed_dict={x:x_value,y:y_value})

    w_value=session.run(w)# get w
    print ("ax+b,a=%.3f,b=%.3f"%(w_value[0],w_value[1]))

打开spyder的时候也可以在激活的TensorFlow中键入：spyder。

若运行不成功，可以重装，anaconda方便之一：

二、keras安装：Keras是一个高级神经网络API，用Python编写，能够在TensorFlow，CNTK或Theano之上运行。

先逛一下keras官网

按照官网指示，在conda环境pip安装：pip install keras

虽然显示安装成功，包括numpy、scipy等都成功，但是在安装之后，在tensorflow环境中并不能import keras成功

于是采用conda安装（与pip并不冲突）键入：conda install keras

（补充：后面补充使用pip命令成功的做法，因为使用conda安装，conda把keras当成一个包来管理，安装时一并把tensorflow1.2.1（但是这个并不是我们想要的）给安装了，因此会出现下面：不用激活tensorflow环境就可以‘import  keras‘和’import keras’）

安装完成，进行验证：

因为在conda环境安装keras，故不必激活tensorflow，

可在图形管理界面搜索到已安装的keras，打开tensorflow环境的spyder，运行下面例程：

from keras.models import Sequential
from keras.layers import LSTM, Dense

import numpy as np
data_dim = 16
timesteps = 8
num_classes = 10

# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(32, return_sequences=True,
               input_shape=(timesteps, data_dim)))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32, return_sequences=True))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32))  # return a single vector of dimension 32
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])

# Generate dummy training data
x_train = np.random.random((1000, timesteps, data_dim))
y_train = np.random.random((1000, num_classes))

# Generate dummy validation data
x_val = np.random.random((100, timesteps, data_dim))
y_val = np.random.random((100, num_classes))

model.fit(x_train, y_train,
          batch_size=64, epochs=1,
          validation_data=(x_val, y_val))

可看到运行结果：

同时由于keras是基于tensorflow的一个框架，也有这种情况：

 这个情况是因为

之后，，，就可以愉快地烧。。。。CPU了。

补充：前面提到使用pip安装keras无法成功导入，可能原因是因为安装时使用了cnoda命令去安装TensorFlow。要避免conda安装keras时安装tensorflow1.2.1的情况，可激活tensorflow环境后，使用pip安装命令安装keras。