TensorFlow后端安装Keras教程介绍
Keras 是一个基于 Python 编程语言的神经网络库，旨在简化机器学习应用程序。Keras 运行在 TensorFlow 等框架之上。
如何使用TensorFlow后端安装Keras？在本指南中，了解如何在 Linux 系统上安装 Keras 和 Tensorflow。
先决条件
- 可以访问命令行/终端的 Linux 机器
- 具有sudo或root权限的用户帐户
- 在Python的3.5 - 3.8开发环境
- 该Python3-PIP包管理器
如何在 Linux 上安装 Keras
Keras 旨在与许多不同的机器学习框架配合使用，例如 TensorFlow、Theano、R、PlaidML 和 Microsoft Cognitive Toolkit。然而，与 Keras 一起使用的最佳框架是 TensorFlow。
本文还将介绍如何安装 TensorFlow。
第 1 步：安装和更新 Python3 和 Pip
TensorFlow后端如何安装Keras？如果你的机器上已有 Python3 和 Pip，请跳过此步骤。
如果没有，请打开终端并输入以下命令，具体取决于你的 Linux 发行版：
CentOS / 红帽：
sudo yum install python3 python3-pip
y出现提示时键入。让安装完成该过程。
然后，运行此命令来升级 Pip：
sudo pip3 install ––upgrade pip
Ubuntu / Debian：
这些分布的过程是类似的：
sudo apt install python3 python3.pipsudo pip3 install ––upgrade pip注意：如果 Python 3 或 Pip 已经可用，系统会报告没有进一步的更改。
第 2 步：升级设置工具
如何使用TensorFlow后端安装Keras？要升级setuptools，请输入以下内容：
pip3 install ––upgrade setuptools
如果没有这一步，你可能会收到有关某些软件包需要的setuptools版本与你系统上的版本不同的错误。
第 3 步：安装 TensorFlow
TensorFlow后端如何安装Keras？TensorFlow 的安装很简单。使用 Pip 和这个命令来安装它::
pip3 install tensorflow让下载和安装完成。
通过查看软件包信息来验证安装是否成功：
pip3 show tensorflow系统应显示TensorFlow 版本和其他数据。
对于较短的输入，请使用以下命令：
pip list | grep tensorflow
注意：如果你遇到任何问题，请参阅我们关于如何在 Ubuntu上安装 TensorFlow以及如何在 CentOS 上安装 TensorFlow 的指南。
第 4 步：安装 Keras - TensorFlow后端安装Keras教程
如何使用TensorFlow后端安装Keras？最后，使用以下命令安装 Keras：
pip3 install keras该过程完成后，终端会显示确认消息。
通过显示包信息来验证安装：
pip3 show keras
第 5 步：从 Git Clone 安装 Keras（可选）
TensorFlow后端如何安装Keras？如果你的系统上有 Git，你可以使用它从 GitHub 克隆 Keras 软件包的副本。
注意：未安装 Git 时，操作系统会在从 Keras GitHub 存储库克隆之前提示你安装它。根据你系统的操作系统，使用我们的指南之一如何在 Ubuntu上安装 Git、如何在 CentOS 7上安装 Git或如何在 CentOS 8 上安装 Git。
要从 GitHub 克隆 Keras 包，请输入以下内容：
git clone https://github.com/keras-team/keras.git
下载完成后，切换到/keras目录：
cd keras从那里，运行Keras python 安装程序：
sudo python3 setup.py install输出显示过程完成时的确认：
TensorFlow后端安装Keras教程：Keras vs TensorFlow
Keras 和 TensorFlow 都是开源软件。TensorFlow 是一个用于机器学习的软件库。Keras 运行在 TensorFlow 之上，并扩展了基础机器学习软件的功能。Keras 还使实现、测试和使用更加用户友好。
Keras 与 TensorFlow 合作以提供 Python 编程语言的接口。它通过使用层和模型来工作。
注意： phoenixNAP 产品总监 Martin Wielomski 解释了GPU如何为机器学习和 AI 提供动力。
层
层是一个处理单元。它接受输入，对该输入执行计算，然后输出转换后的信息。
一个层需要以下内容：
- 输入的形状：定义层将如何理解输入信息
- Initializer：设置每条信息的权重或重要性。
- 激活器：将数据转换为非线性形式。
模型
甲模型是一组的 层。模型还包括训练和推理模块——这就是机器学习发挥作用的地方。每个型号都有以下功能：
- 输入：将信息发送到 Keras 模型的脚本。
- 输出： Keras模型转换后出来的信息。
- 类型：模型可能是顺序的，这意味着它一次构建一层来解决问题。或者，它可以是功能性的，其中层可以以复杂和非线性的方式互连。
结论
如何使用TensorFlow后端安装Keras？按照本教程中的步骤，你应该已经在 Linux 系统上成功安装了 Keras 和 Tensorflow，并带有必要的 Python 包。
