前言
如果不管你是一个深度学习小白，还是需要快速建立模型解决方案的数据科学家，Keras都是你的不二选择。
Keras是一个高层神经网络API，Keras由纯Python编写而成并基于Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果。现在我要介绍如何在Windows10下安装Keras
废话不多说
先介绍一下我的电脑的情况：
操作系统：win10
内存：8G
CPU：Intel i7 4720HQ
GPU：NVIDIA GTX960M
1、安装Anaconda（Python环境）：
Anaconda是一个集成了许多科学计算库和实用工具的Python环境，谁用谁知道
下载地址：Anaconda官网
按照提示一步一步安装好就可以了
因为目前的TensorFlow似乎不兼容Python3.7，于是我并没有安装最新的Anaconda版本，而是选择了带有Python3.6版本的Anaconda
2、安装Python的IDE：PyCharm
PyCharm是Python的一个IDE：凭个人喜好安装
3、安装Visual Studio
下载地址：Visual Studio官网
因为CUDA需要VS的支持，因此在安装CUDA之前，需要安装Visual Studio
我安装的是Visual Studio 2017，注意要选择C++编译组件
选择使用C++的桌面开发
4、安装CUDA
首先要判断自己的显卡所支持的CUDA版本
1、打开NVIDIA控制面板
2、在【帮助】中点选【系统信息】，在弹出的对话框中，选择【组件】
由此可以看到，我的显卡GTX960M支持的是CUDA 9.0.176
因此，我们选择安装CUDA 9.0
下载地址：CUDA官网下载
安装好后我们可以运行CUDA提供的例子来判断CUDA是否安装好了，打开
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQuery\deviceQuery_vs2017.sln
（我的VS是2017所以这里选2017）
第一步点击生成解决方案
第二步点击此按钮
出现这样的界面说明安装成功了
5、安装cuDNN
GPU版本的TensorFlow需要cuDNN组件来加速
下载地址：cuDNN官网下载地址
选择适合你环境的cuDNN版本，下载的是一个压缩包，解压之后把三个文件夹里的组件分别复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的对应文件夹下
6、安装 mingw 和 libpython
1、在安装各种Python库之前先更新conda和anaconda下的所有库
1.更新 anaconda 自身
conda update anaconda
2.更新 conda 自身
conda update conda
3.更新所有库
conda update --all
2、在CMD中输入以下指令即可完成安装mingw 和 libpython
conda install mingw libpython
3、然后在系统变量Path中添加以下内容，这里记得改为你自己实际的安装目录
C:\ProgramData\Anaconda3\MinGW\bin
C:\ProgramData\Anaconda3\MinGW\x86_64-w64-mingw32\lib
7、安装tensorflow-gpu
我们安装的是支持GPU版本的TensorFlow，不要忘了带-gpu
pip install tensorflow-gpu
安装完后，用命令行打开Python输入
import tensorflow
若没有报错信息提示，则说明安装成功
8、安装Keras
使用pip安装Keras
pip install keras
请不要忽略对keras的配置问题：在安装keras之后，打开当前用户的目录 ，找到.Keras文件夹，里边有个keras.json文件，直接用笔记本打开 。目录在这里C:\Users\87503.keras（87503是我的用户名）需要将backend修改为tensorflow。
（因为Keras默认后端是TensorFlow因此本次安装不用修改）
9、测试
打开python输入：
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
出现以下界面或没有报错信息则说明安装成功！
网友评论