KerasとそのUbuntuへの依存関係をインストールするための深い学習

ケラスとは##

Kerasは、Pythonで記述されたオープンソースの人工ニューラルネットワークライブラリであり、深層学習モデルの設計、デバッグ、評価、アプリケーション、および視覚化のためのTensorflow、Microsoft-CNTK、およびTheanoの高レベルのアプリケーションプログラムインターフェイスとして使用できます。

Kerasの主な開発者はGoogleエンジニアのFrançoisCholletであり、そのGitHubプロジェクトページには6人の主なメンテナと800人以上の直接の貢献者が含まれています。 Kerasの公式バージョンがリリースされた後、一部のコンパイル済みモデルを除いて、ソースコードはMITライセンスの下でリリースされます。

Kerasの利点##

**1. フレンドリーなユーザー。 ****
Kerasは、機械ではなく人間向けに設計されたAPIです。
これは、ユーザーエクスペリエンスを最優先します。 Kerasは、認知の問題を軽減するためのベストプラクティスに従います。一貫性のあるシンプルなAPIを提供し、一般的な使用例に必要なユーザーアクションの数を最小限に抑え、ユーザーエラーが発生したときに明確で実用的なフィードバックを提供します。

**2. モジュール性。 ****
モデルは、独立した完全に構成可能なモジュールで構成されるシーケンスまたは図として理解されます。
これらのモジュールは、可能な限り少ない制限で組み立てることができます。特に、ニューラルネットワークレイヤー、損失関数、オプティマイザー、初期化メソッド、アクティベーション関数、および正規化メソッドはすべて、新しいモデルを構築するために組み合わせることができるモジュールです。

**3. 簡単に拡張できます。 ****
新しいモジュールは（新しいクラスや関数として）簡単に追加でき、既存のモジュールにはすでに多くの例があります。 Kerasは、表現力を向上させる新しいモジュールを簡単に作成できるため、高度な研究に適しています。

**4. Pythonに基づいています。 ****
Kerasには、特定の形式の個別の構成ファイルはありません。モデルはPythonコードで定義されており、コンパクトで、デバッグが簡単で、拡張も簡単です。

インストール##

最初にtensorflowをインストールします

# GPUバージョン
pip install --upgrade tensorflow-gpu

# CPUバージョン
pip install --upgrade tensorflow

インストールが成功したことを確認します。

import tensorflow as tf

次に、kerasをインストールします

# ケラスのインストール
pip install keras -U --pre

python科学コンピューティング環境matplotlibをインストールします##

numpy

NumPy（Numerical Python）は、Python言語の拡張ライブラリであり、多数の次元配列と行列操作をサポートし、配列操作用の多数の数学関数ライブラリも提供します。

sudo apt-get install python-numpy

scipy

scipyは高度な科学計算ライブラリであり、一般的なものは補間操作、最適化アルゴリズム、画像処理、および数学的統計です。

sudo apt-get install python-scipy

matplotlib

Matplotlibは、Python用のプロットライブラリです。 NumPyで使用でき、MatLabの効果的なオープンソースの代替手段を提供します。また、PyQtやwxPythonなどのグラフィックツールキットでも使用できます。

sudo apt-get install python-matplotlib

BLASライブラリをインストールします##

BLAS（Basic Linear Algebra Subprograms）は、基本的な線形代数サブプログラムライブラリであり、記述されている線形代数操作に関する多数のプログラムが含まれています。

sudo apt-get install build-essential cmake git unzip \
pkg-config libopenblas-dev liblapack-dev

HDF5をインストールします##

もともとは、NASA（National Aeronautics and Space Administration）によって、数値データの大きなファイルを効率的なバイナリ形式で保存するために開発されました。これにより、Kerasモデルをディスクにすばやく効率的に保存できます。

sudo apt-get install libhdf5-serial-dev python-h5py

Graphvizとpydot-ngをインストールします##

Kerasモデルを視覚化するために使用されます。

sudo apt-get install graphviz
sudo pip install pydot-ng

opencvをインストールします##

OpenCVは、BSDライセンス（オープンソース）の下でリリースされたクロスプラットフォームのコンピュータービジョンライブラリであり、Linux、Windows、Android、およびMacOSオペレーティングシステムで実行できます。軽量で効率的です。一連のC関数と少数のC ++クラスで構成され、Python、Ruby、MATLABなどの言語へのインターフェイスも提供し、画像処理とコンピュータービジョンで多くの一般的なアルゴリズムを実装します。

sudo apt-get install python-opencv

[GPU]（https://cloud.tencent.com/product/gpu?from=10680）サポートを設定します##

ここにはGPUがないので、次のリファレンス
GPUは絶対に必要というわけではありませんが、本では一般的にGPUの使用を推奨しています。
トレーニング済みモデルをCPUで実行するのに数時間かかる場合もありますが、適切なGPUでは数分しかかかりません。

ディープラーニングにNVIDIAGPUを使用する場合は、CUDAとcuDNNを同時にインストールする必要があります。

CUDA

CUDA™は、NVIDIAが立ち上げた汎用並列コンピューティングアーキテクチャであり、GPUが複雑なコンピューティングの問題を解決できるようにします。

ダウンロード

wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/
x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

インストール

sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/
cuda/repos/ubuntu1604/ x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda-8-0

cuDNN

NVIDIA cuDNNは、ディープニューラルネットワーク用のGPUアクセラレーションライブラリです。パフォーマンス、使いやすさ、メモリオーバーヘッドの低さを強調しています。 NVIDIA cuDNNは、GoogleのTensorflowやカリフォルニア大学バークレー校の人気のカフェソフトウェアなど、より高レベルの機械学習フレームワークに統合できます。

cuDNNを使用してGPUで実行している場合、モデルのトレーニング速度は通常50％から100％増加する可能性があります。

インストール

無料のNVIDIA開発者アカウントにサインアップします。
インストールコマンドを実行する

sudo dpkg -i dpkg -i libcudnn6*.deb

さて、ここにいくつかの基本的なツールがインストールされていても。 ○（∩＿∩）Ｏ

参照＃＃

[ ケラスバイドゥ百科事典]（https://links.jianshu.com/go?to=https%3A%2F%2Fbaike.baidu.com%2Fitem%2FKeras%2F22792516%3Ffr%3Daladdin）[ケラス公式文書]（https://links.jianshu.com/go?to=https%3A%2F%2Fkeras.io%2Fzh%2F）[ NumPyチュートリアル]（https://links.jianshu.com/go?to=https%3A%2F%2Fwww.runoob.com%2Fnumpy%2Fnumpy-tutorial.html）[NumPyMatplotlib]（https://links.jianshu.com/go?to=https%3A%2F%2Fwww.runoob.com%2Fnumpy%2Fnumpy-matplotlib.html）