Win7+theano+CUDA+Keras血泪史

之前弄过caffe，但是caffe用来做自己的数据太矫情和麻烦了，据说Keras简单点。现在按http://blog.csdn.net/niuwei22007/article/details/49045909配置，在自习室的台式机上，根据http://blog.csdn.net/niuwei22007/article/details/47684673装了VS2015 然后装Anaconda装的时候好慢啊。。。。这样就装好MinGw了。接着就是theano输入theano.test()后报了点错

http://blog.csdn.net/niuwei22007/article/details/47684673说可以忽略我就忽略了。

这样就OK了

然后看了下学校自习室的电脑竟然不是NVIDIA的装不了CUDA 于是又只能在公司的电脑上重来一次了。公司电脑上是VS2013 我根据自己的显卡型号装的CUDA7.5可是竟然提示错了？？于是我又把原来的CUDA 卸载了重装一次。。。心是崩溃的。。。但重装后还是这样于是跳过这一步按照http://blog.csdn.net/m624197265/article/details/45700619运行particle.sln的实例因为我没找到.exe 所以运行了这个目录是在C:\Program Files\NVIDIA Corporation\Installer2\CUDASamples_7.5.{F073AFAC-37AB-4C61-85C7-302041E69D36}\5_Simulations\particles下和作者说的目录不一样我运行后证明是可以运行的那应该就是CUDA可以了吧

然后我没有继续按照这个博客手动配置环境变量因为之前已经有CUDA-PATH了就直接进行第7步：然后

可是右下角出现的是use cpu 不是gpu！！！！！！！！！！！！！！我的心是拒绝看到的。。。。。。天哪心里一万匹马奔腾而过。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

重来吧按照http://blog.csdn.net/xuhang0910/article/details/47906949这个人的重新安装！

CUDA7.5傻瓜式安装后nvcc和-V之间有空格！！！！之前我输入的都是nvcc-V难怪错了注意空格！按照他的一直安装到这步开始出错了。。。？？

我又尝试了很多人写的安装教程然而。。。又搞了一天体会了哀莫大于心死的感觉。。。把之前的所有卸载添加的环境变量也删除。。。电脑干净。从头配置按照http://blog.csdn.net/hjimce/article/details/46654229这个人的：

一路配置到一直下去。。。可是结果呢还是CPU!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!我已经疯了。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。import theano检查下

出来的是这个提示！！！！我已经疯了。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

昨天是我第一次加班加班到公司只剩我一人到晚上八点。。。一转身外面天都黑了。。。就为了这个东西。。。又饿又累又困又烦躁。。。连我自己都被自己感动了。。。

现在是北京时间我终于装成功了。。。我要祭奠这个伟大的时刻括号里的信息可以不管 import theano终于出来显卡型号了激动得我手都颤抖了。。。连忙马上打开 spyder那个例子看终于出来gpu了！！！！！！！！！！！！！！！！！！！！！！！！！！看现在的时间比之前cpu的时间少了N多有没有！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！我要去拿卫生纸擦眼泪了，，，激动到我痛哭流涕！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

但这是我自己瞎弄的我也不知道自己刚刚具体改了什么使得它成功了我只能说我参考了http://www.cnblogs.com/zhang-pengcheng/p/4553672.html设置这个环境变量但加代码不知道在哪里加所以我没加还有http://blog.csdn.net/hjimce/article/details/46654229我按照他的运行到第4步时候我没在dos下装VCForPython.msi 因为老是不行所以我是自己手动装的而且把stdint.h放在你说的目录下但我的C:\Program Files (x86)\Common Files\Microsoft目录下没有Visual C++ for Python\9.0\ 我只在C盘找到：C:\用户\admin\AppData\Local\Pragrams\Common\Microsoft\Visual C++ for Python\9.0\include然后我就将stdint.h放在这里了。。。然后关机重启它就成功了。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

在此，给Win7+theano+CUDA+VS的苦行僧一个忠告：

每次设置完环境变量记得重启

多找几个教程试也许像我一样在快疯了时莫名其妙就成功了

不要轻易放弃哪怕你已经觉得自己要挂了哪怕搞了N天快崩溃了

我最终有很大一部分是按照http://blog.csdn.net/hjimce/article/details/46654229他的来配置的跳过了dos下装VCForPython 自己手动装当然还结合了http://www.cnblogs.com/zhang-pengcheng/p/4553672.html这个人设置环境变量的这里

不说了去擦眼泪。。。血泪史啊。。。

最后就是Keras的安装了只要上面正确了这个就很简单了直接在cmd下输入pip install keras 就行了

接下来按照http://blog.csdn.net/zhoubl668/article/details/45559955测试手写数字mnist

把准确率显示出来：

看最后一次迭代后准确率97.56% 。。。。。。。。。。。。。。。。

至此所有已经安装完毕。我还要去哭一会儿。。。。。。。。为了庆祝决定给自己买一只心水很久的口红。。。

今天又星期四了，马上又周末了，好happy。用Keras下的CNN实现一个二分类：

参考资料：

http://www.360doc.com/content/16/0714/09/1317564_575383829.shtml 介绍了Keras:Sequential模型下的一些方法参数含义等

http://keras-cn.readthedocs.io/en/latest/blog/image_classification_using_very_little_data/ Keras中文文档介绍

http://keras-cn.readthedocs.io/en/latest/blog/image_classification_using_very_little_data/
http://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
http://www.360doc.com/content/16/0714/09/1317564_575383829.shtml
http://backnode.github.io/tag/cnn.html
http://blog.csdn.net/tina_ttl/article/details/51034821
http://blog.csdn.net/eagelangel/article/details/50759993
http://blog.csdn.net/hjimce/article/details/49095199
http://blog.csdn.net/u012162613/article/details/45397033

http://dataunion.org/16787.html

http://blog.csdn.net/niuwei22007/article/details/49207187

http://old.sebug.net/paper/books/scipydoc/numpy_intro.html Keras的一些对数据的处理

上面都介绍的是与Keras有关的下面的这些也是我收藏的要看的：

http://blog.csdn.net/zouxy09/article/details/14222605 介绍机器学习的

http://www.csdn.net/article/2015-08-27/2825549 介绍卷积神经网络的

好了，还是看看我参考上面的来对自己的图片分类我的两类：kuang：160张 stone:160张总320张用来做训练另有valiation文件夹下kuang:32 stone:32张做验证图片大小不统一所以都先统一到300X300大小图片都是3通道的：

"""
Created on Thu Jul 28 14:15:32 2016
http://keras-cn.readthedocs.io/en/latest/blog/image_classification_using_very_little_data/
http://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
http://www.360doc.com/content/16/0714/09/1317564_575383829.shtml
http://backnode.github.io/tag/cnn.html
http://blog.csdn.net/tina_ttl/article/details/51034821
http://blog.csdn.net/eagelangel/article/details/50759993
http://blog.csdn.net/hjimce/article/details/49095199
http://blog.csdn.net/u012162613/article/details/45397033
@author: admin
"""
from keras.preprocessing.image import ImageDataGenerator,img_to_array, load_img
#from mydata import load_mydata
#import numpy as np
#from keras.utils import np_utils
#import random
#from keras.callbacks import EarlyStopping
#import fit_generator
datagen = ImageDataGenerator(rotation_range=0,width_shift_range=0.2,height_shift_range=0.2,shear_range=0.2,zoom_range=0.2,horizontal_flip=True,fill_mode='nearest')
img = load_img('train/kuang/0.bmp') # this is a PIL image
x = img_to_array(img) # this is a Numpy array with shape (3, 150, 150)
x = x.reshape((1,) + x.shape) # this is a Numpy array with shape (1, 3, 150, 150)
# the .flow() command below generates batches of randomly transformed images
# and saves the results to the `preview/` directory
i = 0
for batch in datagen.flow(x, batch_size=1,save_to_dir='preview', save_prefix='kuang', save_format='bmp'):
i += 1
if i > 20:
break
###########################################
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
#第一个模型，一个很简单的3层卷积加上ReLU激活函数，再接max-pooling
model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=(3,300,300)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Convolution2D(32, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Convolution2D(64, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
# the model so far outputs 3D feature maps (height, width, features)
#then两个全连接网络，并以单个神经元和sigmoid激活,二分类使用binary_crossentropy作为损失函数
model.add(Flatten()) # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))
##################################################################
#开始准备数据，使用.flow_from_directory()来从我们的图片中直接产生数据和标签
# this is the augmentation configuration we will use for training
train_datagen = ImageDataGenerator(rescale=1./255,shear_range=0.2,zoom_range=0.2,horizontal_flip=True)
# this is the augmentation configuration we will use for testing:
# only rescaling
test_datagen = ImageDataGenerator(rescale=1./255)
# this is a generator that will read pictures found in
# subfolers of 'data/train', and indefinitely generate
# batches of augmented image data
train_generator = train_datagen.flow_from_directory(
'train', # this is the target directory
target_size=(300,300), # all images will be resized to 150x150
batch_size=32,
class_mode='binary') # since we use binary_crossentropy loss, we need binary labels
# this is a similar generator, for validation data
validation_generator = test_datagen.flow_from_directory(
'valiation',
target_size=(300,300),
batch_size=32,
class_mode='binary')
##################################################################
#用这个生成器来训练网络
model.compile(loss="binary_crossentropy", optimizer="rmsprop",metrics=["accuracy"])
model.fit_generator(train_generator,samples_per_epoch=320,nb_epoch=5,validation_data=validation_generator,nb_val_samples=64)
#model.save_weights('first_try.h5') # always save your weights after training or during training
########################################################################################################
#data, label = load_mydata()
#nb_class = 2
#data = np.reshape(data,(384,3,300,300))
#label = np_utils.to_categorical(label, nb_class)
##############################################################

#下面是之前自己想直接从数据fit 但报错还是用上面的从图片fit 不报错
#model.compile(loss="binary_crossentropy", optimizer="rmsprop",metrics=["accuracy"])
#np.random.seed(1024)
#index = [i for i in range(len(data))]
#random.shuffle(index)
#data = data[index]
#label = label[index]
#(X_train,X_val) = (data[0:300],data[300:])
#(Y_train,Y_val) = (label[0:300],label[300:])
#使用early stopping返回最佳epoch对应的model
#early_stopping = EarlyStopping(monitor='val_loss', patience=1)
#model.fit(X_train, Y_train, batch_size=32,show_accuracy=True,validation_data=(X_val, Y_val),nb_epoch=5,callbacks=[early_stopping])
#cPickle.dump(model,open("./model.pkl","wb"))

结果：

果然是图片太少了吗还是卷积层等参数不合理准确率偏低但目前不管了二分类的模型是类似这样就行不报错我就很感谢了等我把深度学习神经网络理论了解了再来调整。

又快周末了欧耶心情好放几张我最喜欢的脑残动漫《元气少女缘结神》巴卫和奈奈生：

巴卫变成小孩的样子真是可爱死了。。。

Win7+theano+CUDA+Keras血泪史相关推荐

64位win7下安装keras的过程
懒得系统升级,所以到现在仍然在用64位win7. 1,安装Anaconda(强烈建议) Anaconda已经集成了大量第三方包,无需自己一个个手动安装,会省去很多时间和精力,所以强烈建议去下载一个An ...
window10系统基于theano安装Keras
windows10系统基于theano'0.8.0'安装Keras'1.0.7' 一.电脑系统: windows10 anaconda 二.python需要安装以下模块: 1.Keras versio ...
ubuntu安装Theano+cuda
ubuntu安装Theano+cuda 由于学习需要用到GPU加速机器学习算法,需要安装theano+cuda. 开源库的一大问题就是:难安装. 为了搞好这个配置,我是前前后后花了3天,重装了3次ub ...
基于theano的keras安装
1)首先如果你装的是anaconda的话,只需再装上theano就可以安装keras啦 2)在命令提示符里输入cmd,命令行 pip install keras,一般就ok(网上都这么说),但我的 ...
Python 安装theano tensorflow keras 教程与pip安装失败解决方法
这几天一直在折腾Python环境的事,好歹折腾出来,做个总结以备用.(注:由于本机没有独立显卡,因此tensorflow 只安装了CPU版) 安装官方中文文档 Keras安装和配置指南(Window ...
吐血配置win7+theano+gpu+caffe+matlab+python
首先感谢大神小鱼人fish.hjimce .double-vane ,本文主要在这三篇博客的基础上,写一下我自己的安装经历.由于我在安装的时候遇到不少问题,所以将三位大神的博客直接复制,在我修改的地方 ...
Win7系统CUDA和cuDNN的安装(选择合适的版本号)
看了几篇论文,也想着用手头的老设备来学习学习GPU计算,因为学校有matlab正版,虽然python很火,以后再说了. 计算机编程和并行计算,野路子做过一些. 今天以lenovo W530为例说明怎么 ...
win7上安装theano keras深度学习框架
近期在学习深度学习,需要在本机上安装keras框架,好上手.上网查了一些资料,弄了几天今天终于完全搞好了.本次是使用GPU进行加速,使用cpu处理的请查看之前的随笔keras在win7下环境搭建本机 ...
python机器学习系列教程——深度学习框架比较TensorFlow、Theano、Caffe、SciKit-learn、Keras
全栈工程师开发手册 (作者:栾鹏) python教程全解 Theano Theano在深度学习框架中是祖师级的存在.Theano基于Python语言开发的,是一个擅长处理多维数组的库,这一点和nump ...

Win7+theano+CUDA+Keras血泪史

Win7+theano+CUDA+Keras血泪史相关推荐

最新文章

热门文章