1.什麼是Keras?

Keras是一個高層神經網路API，Keras由純Python編寫而成並基Tensorflow、Theano以及CNTK後端。Keras 為支援快速實驗而生，能夠把你的idea迅速轉換為結果，如果你有如下需求，請選擇Keras：

簡易和快速的原型設計（keras具有高度模組化，極簡，和可擴充特性） 支援CNN和RNN，或二者的結合 無縫CPU和GPU切換 Keras適用的Python版本是：Python 2.7-3.6

2.官方Keras的安裝配置過程

說明：Keras的安裝分為基於Windows系統和linux系統，還區分CPU版本和GPU版本，個人理解上一個是基於CPU進行計算，另一個是GPU提供加快計算的功能。 官方教程連結：

3.安裝流程概述

安裝GPU版本的完整過程，安裝CPU版本只需要進行畫紅框的過程

4.安裝過程及遇到的問題

1. 首先Window10和Python環境都是有的，可以自行下載Anaconda3(64-bit)
2. 然後在Anaconda Prompt中輸入命令（直接在命令列中輸入似乎也可以），由於我安裝的是CPU版本，所以只用輸入後兩個命令就可以了。

GPU 版本 pip install --upgrade tensorflow-gpu CPU 版本

pip install --upgrade tensorflow Keras 安裝 pip install keras -U --pre

3. 在安裝過程中出現了問題如圖所示，解決方法傳送門：別人家的大佬！（我覺得可能是因為和pip的版本不一致，需要更新一下pip）
4. 驗證是否安裝完成，在spyder中輸入import keras，出現如下結果就安裝成功了
5. 接下來需要用mnist資料集進行測試，在這裡遇到了一些問題，本來所需操作是如圖所示。在Anaconda Prompt/cmd中輸入conda install git時，出現報錯。

6. 在這裡採用了兩種方式解決，方案一：配置映象解決
7. 我個人在配置完映象之後，能夠進行操作，但是不知道為什麼還是沒有成功，而且也缺少mnist_mlp.py檔案（據說網上也可以下載）。我選擇了另一種方式解決。
8. 方案二：手動下載mnist資料方案二：手動下載mnist資料 在原文中的介紹有兩點再強調一下： a.下載後的mnist.npz的檔案安放位置（可以自由選定）我是放在Keras的資料集資料夾中（D:\Users\Zhwl\Anaconda3\Lib\site-packages\keras\datasets）其中D:\Users\Zhwl\Anaconda3\ 是Anaconda3的安裝量 b.修改mnist.py檔案的內容，講註釋部分修改為下面部分，指明mnist.npz檔案所在的位置。

# path = get_file(path,
#          origin='https://s3.amazonaws.com/img-datasets/mnist.npz',
#               file_hash='8a61469f7ea1b51cbae51d4f78837e45')
path = 
'D:/Users/Zhwl/Anaconda3/Lib/site-packages/keras/datasets/mnist.npz'

9. 接下來執行示例程式碼可以成功

import numpy as np
import matplotlib.pyplot as plt

from keras.datasets import mnist
from keras.models import Sequential
from keras.layers.core import Dense, Activation, Dropout
from keras.utils import np_utils

(X_train, y_train), (X_test, y_test) = mnist.load_data();
print(X_train.shape)
print(X_test.shape)

for i in range(9):
    plt.subplot(3,3,i+1)
    plt.imshow(X_train[i], cmap='gray', interpolation='none')
    plt.title("Class {}".format(y_train[i]))

結果如圖所示。

5.尾聲

反正就是經過這一系列折騰，弄好了！希望能給大家提供一些幫助~ 從零開始時，網上各種大神的部落格是黑暗中的曙光~ 第一次寫這個東西，而且中途還遇到快寫完時，突然沒儲存就沒了，有點絕望，但是還是堅持寫完了~ 希望看到這篇部落格的每一個你，萬事勝意~