Anaconda下安裝keras 配置與pycharm執行demo(windows版本)

1、Anaconda概述

Anaconda是一個用於科學計算的Python發行版，支援Linux, Mac, Windows系統，提供了包管理與環境管理的功能，可以很方便地解決多版本python並存、切換以及各種第三方包安裝問題。Anaconda利用工具/命令conda來進行package和environment的管理，並且已經包含了Python和相關的配套工具。

再說一下conda的設計理念——conda將幾乎所有的工具、第三方包都當做package對待，甚至包括python和conda自身！因此，conda打破了包管理與環境管理的約束，能非常方便地安裝各種版本python、各種package並方便地切換。

2、Anaconda安裝

Anaconda的下載頁有官網下載地址：https://www.continuum.io/downloads
，對Linux、Mac、Windows均支援。還可以選擇清華的映象下載，下載地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 安裝時，會發現有兩個不同版本的Anaconda，分別對應Python 2.7和Python 3.5，兩個版本其實除了這點區別外其他都一樣。Anaconda2對應的是Python 2.7，Anaconda3對應的是Python 3.+。

下載後直接按照說明安裝即可。這裡需要注意：儘量按照Anaconda預設的行為安裝。這樣的好處是，同一臺機器上的不同使用者完全可以安裝、配置自己的Anaconda，不會互相影響。

對於Mac、Linux系統，Anaconda安裝好後，實際上就是在主目錄下多了個資料夾（~/anaconda）而已，Windows會寫入登錄檔。安裝時，安裝程式會把bin目錄加入PATH（Linux/Mac寫入~/.bashrc，Windows新增到系統變數PATH），這些操作也完全可以自己完成。
安裝完成後可以用conda –version命令檢查是否正確。
這裡我選擇下載了這個版本：

3、Conda的操作（常用）

  # 安裝scipy
  conda install scipy
  # conda會從從遠端搜尋scipy的相關資訊和依賴專案，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）
 

  # 檢視已經安裝的packages
  conda lis
  # 最新版的conda是從site-packages資料夾中搜索已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包

  # 更新conda，保持conda最新
  conda update conda

  # 更新anaconda
  conda update anaconda

  # 更新python
  conda update python
  # 假設當前環境是python 3.4, conda會將python升級為3.4.x系列的當前最新版本

  # 新增Anaconda的TUNA映象
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  # TUNA的help中映象地址加有引號，需要去掉

  # 設定搜尋時顯示通道地址
  conda config --set show_channel_urls yes

4、安裝theano+Keras+MinGW

 安裝好Anaconda之後，搜尋程式開啟Anaconda Prompt，在命令列依次中輸入，安裝好一個後再鍵入下一句命令。

 pip install  Theano
 pip install keras
 conda install mingw libpython （安裝過程中碰到Proceed ([y]/n)? 鍵入y回車）

 還需要安裝scipy，鍵入下面的命令。
 conda install scipy

5、GPU加速 （CPU版 跳過這一步）

（1）VS 2013預設安裝，可以只選C++部分
（2）cuda_7.5.18_win10.exe預設安裝

• 安裝完後，開啟環境變數應該會多出來2個變數，CUDA_PATH_V7_5和CUDA_PATH.
• 開啟cmd控制檯命令列，輸入命令nvcc –V回車（注意是大寫V）就可以檢視版本資訊，如果安裝正確會顯示Cuda的版本號。
  
• 可以在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v7.5\bin\win64\Release雙擊histogram.exe，如果沒有報錯，CUDA安裝是沒有問題的

(3)   加速庫CuDNN

從官網下載需要註冊 Nvidia 開發者賬號，網盤搜尋一般也能找到。 Windows目前最新版v6.0，但是keras尚未支援此版本，請下載v5.1版本，即 cudnn-8.0-win-x64-v5.1.zip。 下載解壓出來是名為cuda的資料夾，裡面有bin、include、lib，將三個資料夾複製到安裝CUDA的地方覆蓋對應資料夾，

預設資料夾在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5

（4）配置.theanorc.txt

• 在使用者目錄下新建.theanorc.txt
  

• 配置

[nvcc]
fastmath = True  
flags = -LC:\Anaconda2\libs 
compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

[global]
device = gpu0
floatX = float32 

[blas]
ldflags=

[gcc]
cxxflags=-IC:\Anaconda2\MinGW

注意點

• python,gcc,nvcc的路徑不要錯
• gpu0（不是gpu，不然會報路徑錯誤）

6、出現的麻煩事

6.1、import theano出現的問題

    (C:\ProgramData\Anaconda2) C:\Windows\system32>python
     Python 2.7.13 |Anaconda 4.3.1 (64-bit)| (default, Dec 19 2016, 13:29:36) [MSC v.1500 64 bit (AMD64)] on win32
     Type "help", "copyright", "credits" or "license" for more information.
     Anaconda is brought to you by Continuum Analytics.
     Please check out: http://continuum.io/thanks and https://anaconda.org
     >>> import theano
     WARNING (theano.configdefaults): g++ not available, if using conda: `conda install m2w64-toolchain`
     WARNING (theano.configdefaults): g++ not detected ! Theano will be unable to execute optimized C- implementations (for both CPU and GPU) and will default to Python implementations. Performance will be severely degraded. To remove this warning, set Theano flags cxx to an empty string.
     >>> exit()

     鍵入命令解決：conda install m2w64-toolchain1

6.2、 conda install mingw libpython 出現的問題

 報錯文字
 CondaIOError: IO error: Missing write permissions in: C:\Program Files\Anaconda2
 #
 # You don't appear to have the necessary permissions to install packages
 # into the install area 'C:\Program Files\Anaconda2'.
 # However you can clone this environment into your home directory and
 # then make changes to it.
 # This may be done using the command:
 #
 # $ conda create -n my_root --clone=C:\Program Files\Anaconda2 

 這個是許可權的問題，有可能是Anaconda Prompt不是用管理員許可權開啟的。重新用管理員許可權開啟後，鍵入命令即正常。

修改程式碼中本地檔案下讀取資料集： 1、在demo所在的資料夾中新增資料集壓縮包，下載地址：

2、然後修改程式碼

#載入資料
import pickle
import gzip
f = gzip.open('mnist.pkl.gz', 'rb')
data = pickle.load(f)
f.close()
(X_train, y_train), (X_test, y_test) = data13

7、附keras與theano的官方文件等

 keras中文文件：http://keras-cn.readthedocs.io/en/latest/getting_started/concepts/
 theano英文文件：http://deeplearning.net/software/theano/install_windows.html
 python包非官方包：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

參考資源：