Keras - Installation

Keras - 安装指南

本章将指导您安装 Keras，它现在是 TensorFlow 的官方高级 API（应用程序接口）。在继续之前，我们先回顾一下先决条件。

先决条件

请确保您的系统满足以下要求：

• 操作系统：Windows、Linux 或 macOS。
• Python：推荐使用 3.8 或更高版本。Keras 已集成到 TensorFlow 中，而 TensorFlow 依赖于 Python。
• 包管理器：需要安装 pip（Python 的包安装工具）。

验证 Python 安装

Keras 作为 TensorFlow 的一部分，是一个 Python 库。通过打开终端或命令提示符，输入 python --version 或 python3 --version 来验证您的 Python 安装。您应该会看到类似以下的输出：

Python 3.9.7

如果未安装 Python 或您的版本过旧，请从 Python 官方网站 (python.org) 下载最新的稳定版本，并按照适用于您操作系统的安装说明进行操作。

设置虚拟环境（推荐）

使用虚拟环境（virtual environment）是进行 Python 开发的最佳实践。它可以隔离项目依赖，防止不同项目之间的冲突。Python 3 包含了用于创建虚拟环境的 venv 模块。

步骤 1：创建虚拟环境

在终端中导航到您的项目目录，并运行以下命令。将 my_keras_env 替换为您想要的环境名称：

# Linux/macOS
python3 -m venv my_keras_env

# Windows
py -m venv my_keras_env

这将创建一个名为 my_keras_env 的目录，其中包含 Python 解释器和 pip 实例的副本。

步骤 2：激活环境

在安装软件包之前，请激活环境：

# Linux/macOS
source my_keras_env/bin/activate

# Windows
.\my_keras_env\Scripts\activate

您的终端提示符现在应该指示您正在虚拟环境中工作（例如，(my_keras_env) ...$）。

安装 TensorFlow（包含 Keras）

Keras 现在是 TensorFlow 2.x 的一部分。安装 TensorFlow 会自动安装 Keras。请确保您的虚拟环境处于激活状态。

步骤 3：安装 TensorFlow

使用 pip 安装最新稳定版本的 TensorFlow：

pip install --upgrade pip  # Upgrade pip first
pip install tensorflow

此命令会下载并安装 TensorFlow 及其依赖项，包括 NumPy。您会看到指示下载和安装过程的输出。

关于 GPU 支持的说明：如果您有兼容的 NVIDIA GPU 并安装了所需的驱动程序/CUDA 工具包，则可以安装启用 GPU 的版本以显著加快训练速度：pip install tensorflow[and-cuda]。请查阅 TensorFlow 官方文档了解具体的 GPU 设置要求。

安装常见数据科学库

虽然 Keras 核心本身并不严格要求这些库，但它们在深度学习工作流程中常用于数据处理、分析和可视化：

• NumPy：（随 TensorFlow 安装）用于数值计算的基础软件包。
• Pandas：用于数据分析和处理的强大库。
• Matplotlib：广泛用于绘图和可视化的库。
• Scikit-learn：用于传统机器学习算法、数据预处理和评估指标的综合库。

在您激活的虚拟环境中，使用 pip 安装它们：

pip install pandas matplotlib scikit-learn

或者，您可以创建一个列出所有依赖项（tensorflow, pandas 等）的 requirements.txt 文件，然后使用 pip install -r requirements.txt 命令进行安装。

验证安装

在您激活的虚拟环境中打开 Python 解释器（输入 python 或 python3），然后尝试导入 TensorFlow：

import tensorflow as tf

print(tf.__version__)

# Access Keras through TensorFlow
print(tf.keras.__version__)

如果这些命令没有错误地执行并打印出版本号，则表示您的安装成功。

停用虚拟环境

当您完成项目工作时，可以停用环境：

deactivate

使用 Anaconda（备选方案）

Anaconda 是一个流行的 Python 和 R 分发版，专注于数据科学。它包含了自带的包管理器 (conda) 和环境管理系统。

创建 Conda 环境

打开 Anaconda Prompt 或终端，并创建一个新的环境（例如，tf_env），指定 Python 版本：

conda create --name tf_env python=3.9  # Or your desired Python version

激活 Conda 环境

conda activate tf_env

安装 TensorFlow 及其他库

在 Anaconda 环境中，推荐使用 conda 安装软件包：

conda install tensorflow pandas matplotlib scikit-learn

Conda 将负责解决依赖关系。您可以在激活的 tf_env 环境中的 Python 解释器中导入 TensorFlow，以类似的方式验证安装。