Notes for install Keras on Anaconda3

• 语言: 英语
• 格式: .pdf
• 来源: www.polyu.edu.hk

摘要

文档提供了在Anaconda3环境中安装Keras和Tensorflow的指导。针对2012年及以后购买的PC，文档介绍了安装步骤，包括使用终端命令安装必要的包，并通过MNIST数据集测试安装是否成功。文档还提到，对于2012年前的CPU，需要使用Tensorflow 1.5或更早版本以避免AVX指令集不兼容的问题。

AI总结

## 安装 Keras 的注意事项与步骤总结

### 1. 硬件要求
- 如果你的 CPU 购买时间早于 2012 年，无法运行 1.6 版本及以后的 TensorFlow，因为需要 AVX 指令集支持。请确保你的设备满足要求。

### 2. 安装步骤
#### Step 1: 安装 Anaconda3 和 RStudio
- 遵循官方文档或视频教程完成安装：
- [员工指南](https://web.microsoftstream.com/video/6c1dea0f-a672-4f67-8983-ea5219200cee)
- [学生指南](https://web.microsoftstream.com/video/33db8bdd-dd29-4c75-8cf9-4eaa0ac4dc08)

#### Step 2: 安装依赖包
在 Anaconda3 提示符中依次运行以下命令（以环境 `rstudio` 为例）：
1. 安装 Python 3.6：

   conda install python=3.6

2. 安装 TensorFlow：

   conda install -c conda-forge tensorflow

3. 安装 R 的 TensorFlow 包：

   conda install -c r r-tensorflow

4. 安装 Keras：

   conda install -c conda-forge r-keras

#### Step 3: 验证安装
在 RStudio 中运行以下代码检查安装是否成功：

library(keras)
mnist <- dataset_mnist()
# 数据预处理
train_images <- array_reshape(mnist$train$x, c(nrow(mnist$train$x), 28*28)) / 255
test_images <- array_reshape(mnist$test$x, c(nrow(mnist$test$x), 28*28)) / 255
train_labels <- to_categorical(mnist$train$y, 10)
test_labels <- to_categorical(mnist$test$y, 10)

# 模型定义
model <- keras_model_sequential() %>%
  layer_dense(units = 256, activation = 'relu', input_shape = c(28*28)) %>%
  layer_dense(units = 128, activation = 'relu') %>%
  layer_dense(units = 10, activation = 'softmax')

# 编译与训练
model %>% compile(
  loss = 'categorical_crossentropy',
  optimizer = optimizer_rmsprop(),
  metrics = c('accuracy')
)

model %>% fit(
  train_images, train_labels,
  epochs = 30,
  batch_size = 128
)

### 3. 预期结果
- 训练过程中会显示每轮的准确率和损失值，最终应输出训练完成的信息。

通过以上步骤，可以顺利完成 Keras 的安装与验证。