在Windows平台上搭建基于Keras的Python神经网络环境

小灰灰 2024-04-18 12:36 58阅读 0赞

# 1.准备工作 #

首先确认你的Windows是64位的Windows 7/8/10，其他版本的Windows不建议使用。  
![在111入图片描述][111]

# 2.安装环境 #

##### 1.TensorFlow环境 #####

这里介绍通过pip安装TensorFlow的方式  
1.下载whl离线安装文件，下载地址：  
https://mirrors.tuna.tsinghua.edu.cn/tensorflow  
2.这里我们选择Windows的0.9.0版本，CPU版本安装更加简单，所以选择CPU版本  
下载地址：  
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.3.0rc0-cp36-cp36m-win\_amd64.whl  
下载之后，进入此文件的目录，打来命令行执行：  
pip install tensorflow-1.3.0rc0-cp36-cp36m-win\_amd64.whl  
执行到最后报错：  
![在这里插入图片描述][20190906165600529.png]  
进入python包下找到这个文件并删除，如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70]  
删除后，重新执行安装命令，执行成功，如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 1]  
验证命令如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 2]  
结果分析：上图中成功导入TensorFlow并且，成功输出“Hello,Tensorflow!”，说明我们安装成功了。

##### 2.keras，h5py，pillow环境 #####

分别执行：  
pip3 install keras  
pip3 install h5py  
pip3 install pillow  
即可完成安装

# 3. 环境测试 #

安装好keras就可以进行神经网络的设计和训练了，但在本文中我们跳过这个步骤，即假设已经设计好了神经网络的结构，并得到了权重。

keras 内建了许多学术界已经发表的神经网络结构。我们使用2017年6月Google发表的mobilenet作为学习对象。第一次使用mobilenet的时候，keras 会自动下载这个网络的权重，但由于使用Python自身的下载功能，速度较慢。所以比较好的解决方法是使用迅雷等工具下载权重。  
在keras作者的github可以得到mobilenet的权重。打开fchollet/deep-learning-models，选择mobilenet\_1\_0\_224\_tf.h5进行下载。把得到的文件放在 C:\\Users<你的用户名>.keras\\models里面。如果这个目录不存在，就自己创建一个。按Win+R，输入cmd并回车（此时cmd所在的目录就是C:\\Users<你的用户名>），然后

mkdir .keras  
cd .keras  
mkdir models

权重准备好之后就可以使用mobilenet进行图像识别了。代码非常简单：

from keras.applications.mobilenet import MobileNet
    from keras.preprocessing import image
    from keras.applications.mobilenet import preprocess_input, decode_predictions
    import numpy as np
    import sys
    
    model = MobileNet(weights='imagenet')
    
    img_path = sys.argv[1]
    img = image.load_img(img_path, target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    
    preds = model.predict(x)
    print('Predicted:', decode_predictions(preds, top=3)[0])

首先创建一个mobilenet对象，它代表了神经网络的结构，并自动的从你刚才下载权重的位置读取权重。然后读入一张图片，转换为神经网络的输入格式（4-D Tensor，-1~1之间的浮点数），然后用神经网络对这个输入数据进行计算，计算结果是一个1000维的向量，通过查表得到这个向量代表何种物体。

笔者的一次运行结果是这样的：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 3]  
即，这个神经网络认为该图片有63.8%的概率为斑纹猫，24.9%的概率为埃及猫，9.5的概率为虎猫。

补充：  
一开始运行代码报错如下图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 4]  
原因：是因为我安装的keras 版本太高了，keras 2.1.6的softmax没有axis这个参数了，于是，我回退了keras版本：  
执行命令  
pip install keras==2.1  
再次运行程序，就没报错了。

[111]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/1eb82a09a5384f8e976eceb1bab079cc.png
[20190906165600529.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/dec75507a00f48a48c49532492ccc584.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/af4f903343474dd898ae20fd05250897.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/d5e5d98ce7344e9bb8f59adc7f5aee52.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/3fa00c9ab8ee49019427d20971ffaeac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/99b6724b0d634c6b9638e80ca05dbef0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI4Mjg2MDI3_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/80189fc688cc469ba5fd24f0ff6371c1.png