我的技術博客（α）

我的技術和團隊任務

本人在這次團隊任務中擔任圖像識別模型的訓練，所以配置深度學習的環境和進行神經網絡的設計是理所固然的事。

Anaconda

Anaconda是開源的python 發行版本，包含大量包極其依賴項，能夠便捷地進行包的管理

anaconda 經常使用操做：

查看已有包

conda/pip list

安裝包

pip/conda install 《包名》
可指定安裝的版本 ：pip install 包名=版本號

安裝本地包：

pip install <目錄>/<文件名>

更新包：

conda upgrade <包名>
pip install -U <包名>

卸載包：

conda remove <包名>
pip uninstall <包名>

spyder

anaconda 自帶的編譯器spyder

安裝theano

環境是win10，64位

安裝minGW

MinGW全稱Minimalist GNU For Windows，是個精簡的Windows平臺C/C++、ADA及Fortran編譯器，相比Cygwin而言，體積要小不少，使用較爲方便。MinGW提供了一套完整的開源編譯工具集，以適合Windows平臺應用開發，且不依賴任何第三方C運行時庫。
MinGW包括：
1.一套集成編譯器，包括C、C++、ADA語言和Fortran語言編譯器
2.用於生成Windows二進制文件的GNU工具的（編譯器、連接器和檔案管理器）
3.用於Windows平臺安裝和部署MinGW和MSYS的命令行安裝器（mingw-get）
4.用於命令行安裝器的GUI打包器（mingw-get-inst）
使用命令安裝

conda install mingw libpython

配置環境變量：
1.編輯用戶變量中的path變量（若是沒有就新建一個，通常會有的），在後邊追加C:\Anaconda;C:\Anaconda\Scripts; 不要漏掉分號，此處由於個人Anaconda的安裝目錄是C:\Anaconda，此處須要根據本身的安裝目錄填寫。
在用戶變量中新建變量pythonpath，變量值爲C:\Anaconda\Lib\site-packages\theano; ，此處就是指明安裝的theano的目錄是哪，可是如今我們尚未安裝，因此不着急，先寫完再說。
2.打開cmd，會看到窗口裏邊有個路徑，個人是C:\Users\Locked>，根據本身的路徑，找到對應的目錄，在該目錄下新建一個文本文檔.theanorc.txt （注意有兩個「.」），編輯它，寫入如下內容：
[global]
openmp=False
[blas]
ldflags=
[gcc]
cxxflags=-IC:\Anaconda\MinGW
其中紅體字部分是你安裝的Anaconda的路徑，必定不要弄錯。不然找不到MinGw。
3.最好重啓一下電腦。

安裝theano

使用以前學過的命令

pip install theano

進度條結束以後進入python環境，輸入

import theano
theano.test()

若是沒有報錯的話，表示安裝成功。
****theano可安裝GPU加速版本，因爲本次沒有使用，有須要者自行搜索。

安裝keras

keras可基於tensorflow或者theano，本次使用的是基於theano，使用和安裝theano相同的方法安裝keras，這裏就不對述。
修改backend。安裝keras以後在命令行的主界面.keras文件（注意有一「.」），修改keras.json文件，將文件內容修改成：

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

使用keras設計一個簡單的模型

1.導入包

import keras
...

2.導入數據

label,data = readData(data_dir)

3.生成一個模型

生成一個model

model = Sequential()

layer1-conv1

model.add(Convolution2D(16, 3, 3, border_mode='valid',input_shape=data.shape[-3:]))
model.add(Activation('tanh'))#tanh

layer2-conv2

model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh

layer3-conv3

model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh

layer4

model.add(Flatten())
model.add(Dense(128, init='normal'))
model.add(Activation('tanh'))#tanh

layer5-fully connect

model.add(Dense(numClass, init='normal')) model.add(Activation('softmax')) sgd = SGD(l2=0.1,lr=0.001, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss='categorical_crossentropy', optimizer=sgd,class_mode="categorical") 4.訓練模型 利用model.train_on_batch（）或者model.fit（）