[R]安裝Keras及Tensorflow套件進行功能測試

2019-09-11

3398
0
R語言
2019-09-17

Keras為使用Python語言開發的神經網路套件，可透過各種資料集訓練開發者建立的深度學習模型，開發者操作API較容易上手，文件說明完整且方便查閱，但其缺點為容易於程式執行階段時，常產生成GPU記憶體溢位現象，也因此造成在存取資料集時，在使用大量內存的情況，使執行速度變得緩慢。其常用內建的資料集(DataSet)包含：(本文使用MNIST資料集進行測試)

CIFAR10：小型圖像
IMDB：電影評論分類
MNIST：手寫數字集
Fashion-MNIST：時尚品項資料
Boston：房價回歸資料

Tensorflow也是一套由Google發佈的的機器學習框架，使用python及C++語言開發而成，支援多種程式語言，業界主要用於文字、語音、圖片、影片等媒體媒體格式的辨識處理，本文就直接在R開發環境使用Tensorflow套件。

欲使用這兩個套件前，需先安裝Anaconda平台工具，本文使用適用windows版本進行安裝(建議安裝python 3.7以上版本)。安裝步驟可參考：https://docs.anaconda.com/anaconda/install/windows/

安裝完Anaconda以後，可以開啟Anaconda Prompt，輸入「conda info」，執行結果如下：

從上圖可以檢視目前Anaconda平台的環境設定，包含版本、系統參數路徑、套件安裝位置等。但重點為當Anaconda安裝時，會把Python套件也一起安裝，所以可以直接在Anaconda Prompt下執行任何Python語法，相當方便。

輸入「conda create -n 」指令，為Anaconda平台建置一個Tensorflow的運行環境，執行結果參考下圖。(tfenv為筆者自行命名的環境名稱)

執行完指令，可以觀察安裝目錄envs內的產生的檔案，如下圖。(補充：一開始筆者就是將Anaconda安裝於D:/Anaconda目錄中)

使用「tree /f」指令，觀察目錄檔案結構，tfenv目錄下會多了一些系統檔案。

接下來要安裝的是Tensorflow(參考：https://stackabuse.com/installing-tensorflow-on-windows/)

使用「activate 」指令，可以把目前(base)環境切換為指定的安裝環境，並執行「conda install tensorflow」指令，執行tensorflow的安裝，操作如下圖。

安裝完後，conda-meta資料夾內會多了很多json檔案，envs資料夾內也多了很多tensorflow套件程式。

確認本機的tensorflow是否完成安裝，用以下指令做測試。

「python」指令：進入python的開發環境

python

「import tensorflow」指令：於開發環境中匯入tensorflow套件

import tensorflow as tf

執行完後，若僅出現「>>>」，則表示安裝成功，若有安裝有問題，則會跳出錯誤訊息。測試完後，可參考下圖方式退出python環境。

安裝Keras(參考：http://tensorflowkeras.blogspot.com/2017/08/tensorflowkeraswindows_29.html)

繼續於tfenv目錄下，使用「pip install keras」指令安裝keras

pip install keras

執行結果如下圖：

完成上述安裝後，可使用R語法檢查tensorflow及keras是否成功安裝

Sys.getenv() #檢查系統參數
library(reticulate) #若未加入此行，則無法使用py_discover_config函式
py_discover_config("tensorflow") #需載入reticulate
py_discover_config("keras") #需載入reticulate

執行結果如下圖：

若上述步驟都有確實做完，但是卻發生下圖錯誤...原因極有可能為環境參數未進行設定，請確定下圖紅框標示的參數是否存在環境變數中(在安裝Anaconda時，預設會勾選自動修正環境參數)

若無請把以下幾段資料夾路徑，加入環境參數的Path中。

D:\Anaconda
D:\Anaconda\Library\mingw-w64\bin
D:\Anaconda\Library\usr\bin
D:\Anaconda\Library\bin
D:\Anaconda\Scripts

設定完環境參數以後，關閉開發環境重新開啟(筆者使用的是Visual Studio 2017)，再執行一次程式，就能夠執行成功。

使用dataset_mnist進行測試，看是否能成功使用該資料集

#install.packages("keras")
#py_install("pandas") #使用前需先於本機安裝Anaconda
#install_tensorflow()
library(reticulate)
library(tensorflow) #使用前需安裝tensorflow
library(keras) #使用前需安裝keras

mnist <- dataset_mnist()  #需要安裝tensorflow，因為dataset_mnist為tensorflow的資料集
View(mnist)

執行結果：(顯示mnist資料集內容)

筆者未來會再撰寫mnist資料集的操作使用~

額外補充：

下載MNIST data指令，如下(參考：https://ithelp.ithome.com.tw/articles/10186473)

執行結果：(可觀察Extracting的部分)

回首頁