Как установить keras в anaconda

Как начать работу с нейронными сетями на графической плате в Windows

Для работы с большими данными нужны серьезные вычислительные мощности и хорошим выходом является привлечение графических плат, имеющих большое число вычислительных ядер, работающих параллельно. Благодаря этому, такой мощный инструмент анализа данных, как нейронные сети может резко увеличивать скорость своего обучения.

В сети Интернет много всяких материалов, показывающих как установить библиотеку для работы с нейронными сетями TensorFlow на работу с графическим процессором, но все они чем-то отличаются и не ко всем подходят (возникают проблемы в установке). Поэтому здесь представлено руководство по установке, которое успешно прошло и работает.

Вначале нужно проверить свою видеокарту на совместимость: https://developer.nvidia.com/cuda-gpus
Нужна Compute Capability 3.0 и выше

1. Установка VS 2015

Запустить скаченный файл от имени администратора.

2. Скачивание VS2015

Найти 2015 версию и нажать Скачать

Найти Visual Studio Community 2015, выбрать разрядность х64 или х86 (32 разряда) и обязательно язык English.
После нажать Download.

3. Скачивание .NET Framework 4.6.1 и установка

Установка CUDA 9.0

Делее все по умолчанию.
Скачать архив cudnn-9.0-windows7-x64-v7.1.zip с сайта NVIDIA и распаковать.
сuDNN представляет собой архив, в котором всего три файла:
• bin\cudnn64_7.dll
• include\cudnn.h
• lib\x64\cudnn.lib
Эти файлы нужно распаковать в каталог, где установлена CUDA 9.0. Как правило, это C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0.

Проверка установки CUDA
Проверить, правильно ли установилась CUDA и видит ли она ваш GPU, можно с помощью утилиты nvidia-smi.exe. Эта утилита показывает доступные GPU для CUDA. Утилита работает в командной строке и при установке по умолчанию находится в каталоге c:\Program Files\NVIDIA Corporation\NVSMI.

В выводе nvidia-smi.exe видно, что в компьютере есть один GPU с номером 0, модель GeForce GTX 650. В нижней части показаны процессы, которые используют GPU.
Видеокарта есть в выводе nvidia-smi.exe, это означает, что CUDA установлена успешно.
После установки Microsoft Visual Studio, NVIDIA CUDA и cuDNN, компьютер необходимо перезагрузить.

4. Установка Анаконда Python 3.6

5. Создание выделенного информационного окружения

В меню пуск найти программу Anaconda Promt
conda create -n tensorflow pip python=3.5

activate tensorflow

pip install —ignore-installed —upgrade tensorflow-gpu

pip install keras

6. Установка Keras

В меню пуск найти программу Anaconda Promt
activate tensorflow
conda install -c conda-forge keras
Во время установки потребуется ввести ответ «y» (yes) на вопрос о продолжении обработки зависимостей.

7. Установка TensorFlow для GPU

В меню пуск найти программу Anaconda Promt
conda install tensorflow-gpu
Во время установки потребуется ввести ответ «y» (yes) на вопрос о продолжении обработки зависимостей.

8. Проверка установки

Введите в окно python команду
Include keras
В ответ должна быть надпись
TensorFlow backend
import tensorflow as tf
tf.test.gpu_device_name()

Это означает, что все установлено успешно и можно начинать работу!

(с) Роман Исаков, 2019

• ← Измерение вибрации с использованием пьезоэлемента
• Многоразовый маска респиратор «Муха» →

How to Install and Import Keras in Anaconda/Jupyter Notebooks

Do you work in Jupyter Notebooks and have an issue in installing and hence importing Keras? Well, you are at the right place.

I was in the same boat a few days back. I struggled for a few hours and could not get a breakthrough and gave up that day. The next day, I again started with a different approach and it clicked!

Just a disclaimer I work on Mac OSx Sierra(10.12.6) and this post is all about installing Keras and importing keras in Jupyter Notebook.

Installing Keras in Anaconda

So, first I did what I usually do to install any library.

pip install keras

But, it did not actually work. When I tried to import keras in my Jupyter Notebook, I got the below error:

ImportError: Keras requires TensorFlow 2.2 or higher. Install TensorFlow via `pip install tensorflow`

So, what I did next is to try installing tensorflow as per the error message. Guess what? I got another error:

ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.

I tried uninstalling and then re-installing and keep on getting some error or another.

So, I did a couple of search in google and tried the below suggestions:

conda update wrapt pip install tensorflow pip install tensorflow-gpu==1.14 pip install tensorflow ==1.14

No! Nada! Nothing worked!

But finally, I got a solution which actually worked and it is simple! Stay tuned!

A Working Solution:

Step 1: Create a new environment

Open the terminal and create a new environment. I have named my environment “keras_env“.

conda create --name keras_env

Step 2: Activate the environment

Now, activate the environment created above.

conda activate keras_env

Step 3: Install keras

To install keras, we need to type the below command:

conda install -c anaconda keras

It will take some time to install.

After analyzing, it will show a list of packages to be installed and will ask for a confirmation to proceed. Press Y to continue.

Step 5: Import Keras in Jupyter Notebook

Once the installation is complete, open Anaconda Environments. The new environment created above should be there. For me, it is called “keras_env“. Now, search for the library Keras in the new environment. It should be right there if everything goes well.

It should have also installed tensorflow.

Now, go back home and check if the “Applications on” is set to the new environment. For me, it is keras_env.

Finally, you are all set to open the Jupyter Notebook. So, when I clicked on Jupyter Notebook, it took some time to install first, and then it opened. You may get a message like below in Anaconda.

Once the Jupyter Notebook is open, import keras and Voila!

It took so much time to install and import keras that I totally forgot why I was even trying to import Keras!

Happy Learning and Happy Coding!

Please clap once if this post actually solve your problem.

8 comments

Anandan Subramani

Thank you very much. keras_env works. It imports following models successfully:
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten, Dropout, Activation, Conv2D, MaxPooling2D However, I am running into another issue. When I import pandas or numpy or sklearn it fails. In other words, I can import only keras, not the models in standard base environment So, I created a new environment called ‘combo_env’ and pushed both keras and base into it, here is how:
(keras_env) python -m ipykernel install –user –name=combo_env
activate base
(base) python -m ipykernel install –user –name=combo_env
now in Jupyter notebook under comb_env only standard modules like pandas, numpy, sklearn work, not keras Could you please help, how to create a kernel where keras and other standard regular models can be imported Thanks

Добавление библиотек глубокого обучения для разработки программ на языке Python

Для размещения библиотек требуется примерно 6.5ГБ дискового пространства.

Для установки библиотек требуются привилегии суперпользователя (sudo) (для Astra Linux Special Edition — суперпользователя с высоким уровнем целостности).

В данной статье описывается установка следующего ПО:

• Anaconda — дистрибутив языков программирования Python и R, включающий набор популярных свободных библиотек, объединённых проблематиками науки о данных и машинного обучения;
• TensorFlow — открытая программная библиотека для машинного обучения, разработанная компанией Google для решения задач построения и тренировки нейронной сети с целью автоматического нахождения и классификации образов;
• Keras — открытая нейросетевая библиотека, написанная на языке Python. Она представляет собой надстройку над фреймворками Deeplearning4j, TensorFlow и Theano. Нацелена на оперативную работу с сетями глубинного обучения;

Установка выполнялась на виртуальной машине:

• Под управлением Astra Linux Special Edition (очередное обновление 1.6) с установленным обновлением БЮЛЛЕТЕНЬ № 20191029SE16 (оперативное обновление 4);
• Имеющей доступ в интернет для скачивания необходимых сценариев;
• Имеющей настроенный сетевой репозиторий;

Установка библиотеки Anaconda

1. Рекомендуется создать отдельный каталог для размещения устанавливаемых библиотек. Каталог может быть создан в произвольном месте. Далее предполагается, что:

• Все действия выполняются из этого каталога;
• Пользователь, от имени которого выполняются действия является владельцем этого каталога (т.е. пользователю предоставлены права на запись в этот каталог).

Например, используем подкаталог /opt/python:

sudo mkdir /opt/python
sudo chmod a+w /opt/python
cd /opt/python

Для удобства каталог, в котором будут размещены исполнимые файлы можно добавить в путь поиска PATH.

sudo apt install ca-certificates
chmod +x Anaconda3-5.2.0-Linux-x86_64.sh
sudo ./Anaconda3-5.2.0-Linux-x86_64.sh -b -p /opt/python/anaconda

где:
-b — команда установки в «пакетном» режиме без вопросов (подразумевает автоматическое согласие с лицензией);
-p /opt/python/anaconda — подкаталог в ранее созданном каталоге /opt/python/ для размещения устанавливаемых файлов .

Все действия должны выполняться из одного каталога.

Установка библиотек TensorFlow и Keras

1. Скачать архивы библиотек TensorFlow и Keras. Для удобства эти библиотеки собраны в один архив и доступны для скачивания через WEB-браузер по ссылке. При скачивании архив следует разместить в текущем каталоге.

tar xvzf packages.tgz

sudo anaconda/bin/conda install packages/general/*.tar.bz2
sudo anaconda/bin/conda install packages/tensorflow/*.tar.bz2
sudo anaconda/bin/conda install packages/keras/*.tar.bz2
sudo anaconda/bin/pip install packages/keras/*.whl

При установке будут выданы предупреждения об ошибках, которые следует игнорировать:
Нажмите здесь для раскрытия.

tensorflow 1.10.0 requires astor>=0.6.0, which is not installed.
tensorflow 1.10.0 requires gast>=0.2.0, which is not installed.
tensorflow 1.10.0 requires grpcio>=1.8.6, which is not installed.
tensorflow 1.10.0 requires tensorboard=1.10.0, which is not installed.
tensorflow 1.10.0 requires termcolor>=1.1.0, which is not installed.
google-cloud-core 0.29.1 requires google-api-core=1.0.0, which is not installed.
google-auth 1.6.2 requires cachetools>=2.0.0, which is not installed.
google-auth 1.6.2 requires pyasn1-modules>=0.2.1, which is not installed.
google-auth 1.6.2 requires rsa>=3.1.4, which is not installed.
distributed 1.21.8 requires msgpack, which is not installed.

Кроме того, при установке будет выдано предупреждение о возможности обновить версию менеджера пакетов pip:

You are using pip version 10.0.1, however version 20.0.2 is available.
You should consider upgrading via the ‘pip install —upgrade pip’ command.

Это обновление делать не обязательно, но можно сделать его указанной в предупреждении командой, выполнив её с учетом каталога, в котором размещены файлы, и от имени суперпользователя:

sudo anaconda/bin/pip install —upgrade pip

Проверка результатов установки

1. Проверить список установленных библиотек можно командой:

anaconda/bin/conda list
и командой:
anaconda/bin/pip list

Запустить интерпретатор:

Keras, Theano и TensorFlow для Windows и Linux

Чтобы начать играть с Deep Learning, нужно выбрать подходящий для него инструмент. Инструменты Python для глубокого обучения, такие как Keras, Theano и TensorFlow, просты в установке и начале разработки. Ниже следует руководство по их установке в операционных системах Windows и Linux.

Что это за Theano, TensorFlow и Keras?

Несколько слов об этих инструментах с официальных сайтов.

Theano – это библиотека Python, которая позволяет эффективно определять, оптимизировать и оценивать математические выражения, включающие многомерные массивы.

TensorFlow ™ – это библиотека программного обеспечения с открытым исходным кодом для численных расчетов с использованием графиков потоков данных.

Keras – это библиотека нейронных сетей высокого уровня, написанная на Python и способная работать как на TensorFlow, так и на Theano . Он был разработан с упором на быстрые эксперименты. Способность переходить от идеи к результату с наименьшей возможной задержкой является ключом к проведению хороших исследований.

Windows наносит ответный удар или большой сюрприз

Несколько дней назад после обновления до Ubuntu 16.04 с 15.10 я хотел запустить пример кода в TensorFlow, но обнаружил, что TensorFlow не работает. Поэтому я переключился на Windows благодаря установке с двойной загрузкой и, к своему изумлению, обнаружил, что Keras -> Theano и Keras -> TensorFlow можно установить и запустить там очень легко с некоторыми оговорками. Итак, давайте перейдем к этапам установки.

Необходимые условия для Windows 7 или 10

Возможно установить Theano и Keras на Windows с установкой Python 2. Однако, если вы хотите работать как с Theano, так и с TensorFlow, вам нужно установить Python 3.5. На данный момент TensorFlow 0.12 поддерживается в 64-битных Windows с Pythin 3.5. Приведенные ниже шаги направлены на обеспечение поддержки Theano и TensorFlow.

Анаконда очень полезна

Anaconda – это инструмент для упаковки с открытым исходным кодом для Python и других языков. Это очень полезно, просто в использовании и интуитивно понятно с подробными уроками. Это поможет нам установить Python и все зависимости для Keras, Theano и TensorFlow только с несколькими директивами. Анаконда представлена ​​вам компанией Continuum Analytics.

Поэтому, если у вас 64-битный ПК с Windows или виртуальная машина, выполните следующие действия.

• Установите Anaconda для 64-битной ОС . Этот процесс занимает несколько минут и несколько сотен мегабайт.

• После установки Anaconda откройте терминал и установите Theano.
• Когда вас спросят об установке зависимостей, нажмите «y» для «да».