Keras TensorFlow Anaconda

Библиотека TensorFlow от Google стремительно развивается и завоевывает популярность. Более того, Google решил включить Keras в TensorFlow. Поэтому я адаптирую все примеры курса “Программирование глубоких нейронных сетей на Python” для TensorFlow. Но сначала нужно установить эти библиотеки и настроить их на совместную работу. Как и в случае с Theano, самый простой и удобный способ сделать это – использовать диструбутив Python Anaconda.

Установка Anaconda

Сначала необходимо установить Anaconda. Скачайте с сайта Continuum Analytics и установите версию Anaconda для своей операционной системы. Выбирайте Python версии 3.6.

Установка TensorFlow для CPU

Для установки TensorFlow используйте команду:

conda install tensorflow

TensorFlow для CPU установится автоматически со всеми необходимыми зависимостями. Проверяем, что установка прошла успешно:

python -c "import tensorflow; print(tensorflow.__version__)"
1.2.1

Установка Keras

После установки TensorFlow можно устанавливать Keras. Для Linux используйте команду:

conda install keras

В Windows Keras пока не входит в основной набор пакетов Anaconda, поэтому устанавливаем его из conda-forge:

conda install -c conda-forge keras

По-умолчанию после установки Keras будет сконфигурирован на работу с TensorFlow. На всякий случай проверим содержимое конфигурационного файла .keras/keras.json в домашнем каталоге пользователя:

{
    "floatx": "float32",
    "epsilon": 1e-07,
    "image_data_format": "channels_last",
    "backend": "tensorflow"
}

В backend должно быть tensorflow, а в image_data_format – значение channels_last (формат хранения изображений в TensorFlow).

Проверяем, что все работает:

python -c "import keras; print(keras.__version__)"
Using TensorFlow backend.
2.0.5

Установлена версия Keras 2.0.5, используется бекенд TensorFlow. Можно переходить к обучению глубоких нейросетей.

Установка Keras и TensorFlow для GPU

Если у вас есть GPU, то обучение нейронных сетей с его помощью можно ускорить в несколько десятков раз. К сожалению, подойдет только GPU производства компании NVIDIA и только с Compute Capability 3.0 и выше. Узнать Compute Capability своей карты можно на сайте NVIDIA. Если у вас старая видеокарта, то в качестве бекенда для Keras можно использовать Theano, у которой меньше требования по Compute Capability.

  1. Устанавливаем драйвер GPU. Первое, что нужно сделать – это установить драйвер для GPU. При этом CUDA и cuDNN устанавливать не обязательно, они установятся автоматически из пакетов conda. Для Windows в дополнение к драйверу нужно установить Visual Studio. Можно воспользоваться инструкциями для Linux или Windows, но не устанавливайте CUDA.

  2. Установка Keras выполняется также, как и для CPU. Для Linux:

     conda install keras

    Для Windows:

     conda install -c conda-forge keras

    Перед продолжением установки рекомендуется проверить работоспособность Keras на CPU, как было описано выше.

  3. Установка TensorFlow для GPU. Установка выполняется одной командой, зависимости cuda-toolkit, cuDNN и некоторые другие устанавливаются автоматически с помощью менеджера пакетов conda:

     conda install tensorflow-gpu

    После установки Keras будет автоматически использовать версию TensorFlow для GPU. Ничего дополнительно настраивать не нужно.

  4. Проверка доступности GPU в TensorFlow. TensorFlow выдает диагностические сообщения о том, какое устройство используется для расчетов. В отличие от Theano, эти сообщения не видны в Jupyter Notebook, их нужно искать в консоли сервера Jupyter. Примерный вид диагностических сообщений:

     2017-11-10 21:01:19.946649: I tensorflow/core/common_runtime/gpu/gpu_device.cc:940] Found device 0 with properties: 
 name: GeForce GTX 1060
 major: 6 minor: 1 memoryClockRate (GHz) 1.6705
 pciBusID 0000:01:00.0
 Total memory: 5.93GiB
 Free memory: 5.41GiB
 2017-11-10 21:01:19.946680: I tensorflow/core/common_runtime/gpu/gpu_device.cc:961] DMA: 0 
 2017-11-10 21:01:19.946685: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] 0:   Y 
 2017-11-10 21:01:19.946692: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1060, pci bus id: 0000:01:00.0)

    TensorFlow использует устройство номер 0 с названием GeForce GTX 1060. Выводится также информация и тактовой частоте и объеме доступной памяти GPU.

    На этом установка для GPU завершена, можно запускать примеры кода из курса. Примеры работают как на CPU, так и на GPU, менять программы не нужно.

Если у вас не получается установить Keras и TensorFlow, пишите свои вопросы в комментариях. Постараюсь помочь.

P.S. Если такой способ установки Keras и TensorFlow у вас не работает, попробуйте альтернативный вариант установки с помощью pip.

Дополнительные ссылки

  1. Курс “Программирование глубоких нейронных сетей на Python”.
  2. Инструкция по установке Keras с Theano.
  3. Использование GPU в Theano и Keras.
  4. Библиотека cuDNN.
  5. Установка TensorFlow в Anaconda с помощью pip.