建構 Python 深度學習的開發環境

參訓課程

• 課程名稱 ： Python AI應用實務班
• 訓練日期 ： 109/10/17 ~ 109/11/28
• 訓練時數 ： 47 小時
• 授課老師 ： 廖文華 老師

參考的書目

• TensorFlow 與 Keras - Python 深度學習應用實務 / 陳允傑 著
• 範例檔

作業環境

• Windows 10 專業版 x64

本篇筆記

認識了 TensorFlow 與 Keras 能夠建構深度學習模型後，在開發之前，當然需要把開發環境安裝好，開始來建構 Python 深度學習的開發環境吧。

建構 Python 深度學習的開發環境

Python 深度學習的開發環境需要使用 NumPy、TensorFlow、Keras等多種套件，為了方便管理各種套件和虛擬環境，建議使用 Anaconda 整合安裝套件來建構 Python 深度學習的開發環境。

使用 Anaconda 建立開發環境

Anaconda 是 Python 語言著名的整合安裝套件，內建 Spyder 整合開發環境和 Jupyter Notebook ，也包含了資料科學和機器學習的相關套件。起手式幾乎都是從這裡開始，在未上這門課時，就已經安裝了數次 Anaconda 了。如何安裝 Anaconda ，請再參考筆者待寫的文章。

安裝 TensorFlow 和 Keras

成功安裝 Anaconda 後，已經有一個 base(root) 的環境了，在程式集選單中(如右圖)，可以看到 Anaconda 的程式清單都有個 (Anaconda3) ，這個就是 base 的環境，如果有建了其它虛擬環境，則 (Anaconda3) 就會是你建立虛擬環境的名稱，要建立虛擬環境也是要先從 base 環境進入再建立，開啟選單中的 Anaconda Prompt(Anaconda3) ，這時會進入到命令提示字元的視窗，如下：

(base) C:\Users\alvin>

在這之前必須先建立 Python 的虛擬環境，為什麼要建立虛擬環境？以筆者的經驗是在同一台伺服器上運行著好幾個專案，但專案有先有後，開發當下能正常運行的版本，不代表更新版本之後還能正常運行，為了把這些專案區隔開來，因此需要建立 Python 的虛擬環境。

• 檢查一下有哪些虛擬環境 ，輸入 conda info --envs 或是 conda env list

  (base) C:\Users\alvin> conda info --envs
  # conda environments:
  #
  base                  *  C:\ProgramData\Anaconda3
  

• 建立虛擬環境，這裡指定了 Python的版本為 3.7 版，輸入 conda create --name tensorflow python=3.7 anaconda

  (base) C:\Users\alvin> conda create --name tensorflow python=3.7 anaconda
  

  如下圖，可以看到建立的環境路徑是在哪裡。

  

  如果是在多人共用的伺服器，建議使用系統管理員進入 Anaconda Prompt(Anaconda3) ，路徑則會是在 C:\ProgramData\Anaconda3\envs 底下，請再參考筆者待寫的文章。在安裝完的最後可以看到怎麼進入與退出虛擬環境。

  # To activate this environment, use
  #
  #     $ conda activate tensorflow
  #
  # To deactivate an active environment, use
  #
  #     $ conda deactivate~
  

• 進入剛建立的 tensorflow 虛擬環境，輸入 conda activate tensorflow

  (base) C:\Users\alvin> conda activate tensorflow
  
  (tensorflow) C:\Users\alvin>
  

  依序開始安裝 Tensorflow 和 Keras。

• 安裝 TensorFlow ，指定版號為 1.14.0 ，就只是老師講授的是用這版，不輸入則是安裝最新版。輸入 pip install tensorflow==1.14.0

  (tensorflow) C:\Users\alvin> pip install tensorflow==1.14.0
  Collecting tensorflow==1.14.0
    Downloading tensorflow-1.14.0-cp37-cp37m-win_amd64.whl (68.3 MB)
      |██████▌                         | 13.9 MB 1.7 MB/s eta 0:00:33    
  以下略過
  

• 安裝Keras，指定版號為 2.2.5 ，一樣是老師講授的是用這版，不輸入則是安裝最新版。輸入 pip install keras==2.2.5

  (tensorflow) C:\Users\alvin>pip install keras==2.2.5
  Collecting keras==2.2.5
    Downloading Keras-2.2.5-py2.py3-none-any.whl (336 kB)
      |████████████████████████████████| 336 kB 233 kB/s
  Requirement already satisfied: pyyaml in c:\programdata\anaconda3\envs\tensorflow\lib\site-packages (from keras==2.2.5) (5.3.1)
  以下略過
  Installing collected packages: keras
  Successfully installed keras-2.2.5
  

注意： 這裡我們是指定版本下載，若不指定則會下載最新的版本，筆者也曾經套件的版號太新而導致程序執行失敗。

• 驗證安裝狀態，輸入 python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

  (tensorflow) C:\Users\alvin> python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
  C:\ProgramData\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\dtypes.py:516: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.
    _np_qint8 = np.dtype([("qint8", np.int8, 1)])
  以下略過
  

  這時可以在用指令查看虛擬環境的清單

  (tensorflow) C:\Users\alvin>conda env list
  # conda environments:
  #
  base                     C:\ProgramData\Anaconda3
  tensorflow            *  C:\ProgramData\Anaconda3\envs\tensorflow
  
  (tensorflow) C:\Users\alvin>
  

成功： 已經安裝好 TensorFlow。請參閱教學課程，瞭解如何開始使用。

參考文章

1. 使用 pip 安裝 TensorFlow