我的技术博客（α）

我的技术和团队任务

本人在这次团队任务中担任图像识别模型的训练，所以配置深度学习的环境和进行神经网络的设计是理所固然的事。

Anaconda

Anaconda是开源的python 发行版本，包含大量包极其依赖项，能够便捷地进行包的管理

anaconda 经常使用操做：

查看已有包

conda/pip list

安装包

pip/conda install 《包名》
可指定安装的版本 ：pip install 包名=版本号

安装本地包：

pip install <目录>/<文件名>

更新包：

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

卸载包：

conda remove <包名>
pip uninstall <包名>

spyder

anaconda 自带的编译器spyder

安装theano

环境是win10，64位

安装minGW

MinGW全称Minimalist GNU For Windows，是个精简的Windows平台C/C++、ADA及Fortran编译器，相比Cygwin而言，体积要小不少，使用较为方便。MinGW提供了一套完整的开源编译工具集，以适合Windows平台应用开发，且不依赖任何第三方C运行时库。
MinGW包括：
1.一套集成编译器，包括C、C++、ADA语言和Fortran语言编译器
2.用于生成Windows二进制文件的GNU工具的（编译器、连接器和档案管理器）
3.用于Windows平台安装和部署MinGW和MSYS的命令行安装器（mingw-get）
4.用于命令行安装器的GUI打包器（mingw-get-inst）
使用命令安装

conda install mingw libpython

配置环境变量：
1.编辑用户变量中的path变量（若是没有就新建一个，通常会有的），在后边追加C:\Anaconda;C:\Anaconda\Scripts; 不要漏掉分号，此处由于个人Anaconda的安装目录是C:\Anaconda，此处须要根据本身的安装目录填写。
在用户变量中新建变量pythonpath，变量值为C:\Anaconda\Lib\site-packages\theano; ，此处就是指明安装的theano的目录是哪，可是如今我们尚未安装，因此不着急，先写完再说。
2.打开cmd，会看到窗口里边有个路径，个人是C:\Users\Locked>，根据本身的路径，找到对应的目录，在该目录下新建一个文本文档.theanorc.txt （注意有两个“.”），编辑它，写入如下内容：
[global]
openmp=False
[blas]
ldflags=
[gcc]
cxxflags=-IC:\Anaconda\MinGW
其中红体字部分是你安装的Anaconda的路径，必定不要弄错。不然找不到MinGw。
3.最好重启一下电脑。

安装theano

使用以前学过的命令

pip install theano

进度条结束以后进入python环境，输入

import theano
theano.test()

若是没有报错的话，表示安装成功。
****theano可安装GPU加速版本，因为本次没有使用，有须要者自行搜索。

安装keras

keras可基于tensorflow或者theano，本次使用的是基于theano，使用和安装theano相同的方法安装keras，这里就不对述。
修改backend。安装keras以后在命令行的主界面.keras文件（注意有一“.”），修改keras.json文件，将文件内容修改成：

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

使用keras设计一个简单的模型

1.导入包

import keras
...

2.导入数据

label,data = readData(data_dir)

3.生成一个模型

生成一个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.训练模型 利用model.train_on_batch（）或者model.fit（）