Rate this post

Để cài đặt Keras, bạn sẽ cần Anaconda Distribution , được hỗ trợ bởi một công ty có tên là Continuum Analytics. Anaconda cung cấp nền tảng cho các ngôn ngữ Python và R , đây là một bản phân phối miễn phí và mã nguồn mở. Nó độc lập với nền tảng, có nghĩa là nó có thể được cài đặt trên bất kỳ hệ điều hành nào như MAC OS, Windows và Linux theo yêu cầu của người dùng. Nó đã đưa ra hơn 1500 gói Python / R cần thiết để phát triển học sâu cũng như các mô hình máy học.

Nó cung cấp cài đặt python dễ dàng với một số IDE như Jupyter Notebook , Anaconda prompt, Spyder, v.v. Sau khi được cài đặt, nó sẽ tự động cài đặt Python với một số IDE và thư viện cơ bản của nó bằng cách cung cấp nhiều tiện lợi nhất có thể. người dùng của nó.

Xem thêm Sequential Class trong Keras

Tóm tắt nội dung

Giới thiệu về Keras

Keras là một thư viện mã nguồn mở được xây dựng trên ngôn ngữ lập trình Python. Nó là một trong những thư viện phổ biến nhất trong lĩnh vực học sâu (deep learning) và được sử dụng rộng rãi để xây dựng các mô hình mạng nơ-ron nhân tạo (artificial neural networks).

Keras giúp đơn giản hóa việc phát triển mô hình học sâu bằng cách cung cấp một giao diện cao cấp và dễ sử dụng. Nó cung cấp cho người dùng một bộ các lớp, hàm và công cụ giúp xây dựng và đào tạo mô hình mạng nơ-ron một cách nhanh chóng.

Một số đặc điểm và lợi ích của Keras bao gồm:

Dễ sử dụng: Keras được thiết kế để có giao diện thân thiện và dễ hiểu, giúp người dùng nhanh chóng tạo và huấn luyện mô hình học sâu mà không cần có kiến thức sâu về lập trình.
Đa nền tảng: Keras hỗ trợ nhiều khung làm việc học sâu phổ biến như TensorFlow, Theano và CNTK, cho phép người dùng chọn lựa công cụ phù hợp với yêu cầu của họ.
Mô-đun: Keras được xây dựng theo cách mô-đun, cho phép người dùng linh hoạt kết hợp các lớp và hàm để xây dựng mô hình tùy chỉnh và phức tạp.
Tích hợp dễ dàng: Keras tích hợp tốt với các công cụ và thư viện phổ biến khác trong hệ sinh thái Python như NumPy, Pandas và scikit-learn.
Hỗ trợ đa dạng: Keras hỗ trợ nhiều loại mô hình học sâu, bao gồm mạng nơ-ron lan truyền tiến (feedforward neural networks), mạng nơ-ron hồi quy (recurrent neural networks), mạng nơ-ron tích chập (convolutional neural networks) và nhiều hơn nữa.

Keras đã trở thành một công cụ quan trọng và được sử dụng rộng rãi trong cộng đồng học sâu. Sự đơn giản, tính linh hoạt và khả năng tùy chỉnh của nó giúp người dùng dễ dàng triển khai các mô hình học sâu cho các ứng dụng.

Chuẩn bị môi trường cho cài đặt Keras

Để chuẩn bị môi trường cho cài đặt Keras, bạn có thể làm theo các bước sau:

Cài đặt Python:
- Keras yêu cầu Python phiên bản 3.6 trở lên.
- Bạn có thể tải xuống và cài đặt Python từ trang web chính thức của Python (https://www.python.org).
Cài đặt công cụ quản lý gói pip:
- Pip là một công cụ quản lý gói Python giúp bạn cài đặt và quản lý các gói thư viện.
- Nếu bạn đã cài đặt Python phiên bản 3.4 trở lên, pip đã được cài đặt sẵn. Bạn có thể kiểm tra phiên bản của pip bằng cách chạy lệnh sau trong Terminal hoặc Command Prompt:pip --version
- Nếu pip chưa được cài đặt hoặc phiên bản của nó quá cũ, bạn có thể cài đặt lại hoặc nâng cấp pip bằng cách chạy lệnh sau:python -m ensurepip --upgrade
Cài đặt TensorFlow:
- Keras cần phụ thuộc vào TensorFlow, một thư viện học sâu rất phổ biến.
- Bạn có thể cài đặt TensorFlow bằng pip bằng cách chạy lệnh sau:pip install tensorflow
Cài đặt Keras:
- Khi TensorFlow đã được cài đặt, bạn có thể cài đặt Keras bằng pip bằng cách chạy lệnh sau:pip install keras
Kiểm tra cài đặt:
- Để kiểm tra xem Keras đã được cài đặt thành công hay chưa, bạn có thể mở một trình biên dịch Python như Jupyter Notebook hoặc IDLE và nhập các dòng sau:import keras print(keras.__version__)
- Nếu phiên bản của Keras hiện ra mà không có lỗi, điều đó chứng tỏ Keras đã được cài đặt thành công.

Lưu ý: Nếu bạn đã tạo một môi trường ảo Python bằng công cụ như Anaconda, hãy đảm bảo rằng bạn đã kích hoạt môi trường ảo trước khi cài đặt và kiểm tra Keras.

Cài đặt Keras

Để cài đặt Keras, bạn có thể làm theo các bước sau:

Cài đặt TensorFlow:
- Keras yêu cầu TensorFlow làm backend để chạy. Vì vậy, trước khi cài đặt Keras, bạn cần cài đặt TensorFlow.
- Bạn có thể cài đặt TensorFlow thông qua pip bằng cách chạy lệnh sau:pip install tensorflow
Cài đặt Keras:
- Sau khi cài đặt TensorFlow, bạn có thể cài đặt Keras thông qua pip bằng cách chạy lệnh sau:pip install keras
Kiểm tra cài đặt:
- Để kiểm tra xem Keras đã được cài đặt thành công hay chưa, bạn có thể mở một trình biên dịch Python như Jupyter Notebook hoặc IDLE và nhập các dòng sau:import keras print(keras.__version__)
- Nếu phiên bản của Keras hiện ra mà không có lỗi, điều đó chứng tỏ Keras đã được cài đặt thành công.

Lưu ý: Nếu bạn sử dụng một môi trường ảo Python, hãy đảm bảo rằng bạn đã kích hoạt môi trường ảo trước khi cài đặt và kiểm tra Keras.

Sau đây là các bước minh họa cài đặt Keras:

Bước 1: Tải xuống Anaconda Python

Để tải xuống Anaconda, bạn có thể truy cập một trong những trình duyệt yêu thích của mình và nhập Tải xuống Anaconda Python vào thanh tìm kiếm hoặc chỉ cần nhấp vào liên kết được cung cấp bên dưới.

Nhấp vào liên kết đầu tiên, và bạn sẽ được dẫn đến trang tải xuống của Anaconda, như được hiển thị bên dưới:

Bạn sẽ nhận thấy rằng Anaconda có sẵn cho các hệ điều hành khác nhau như Windows, MAC OS và Linux . Bạn có thể tải xuống bằng cách nhấp vào các tùy chọn có sẵn theo hệ điều hành của bạn. Nó sẽ cung cấp cho bạn phiên bản Python 2.7 và Python 3.7. Vì phiên bản mới nhất là Python 3.7 , vì vậy hãy tải xuống bằng cách nhấp vào tùy chọn tải xuống. Quá trình tải xuống sẽ tự động bắt đầu sau khi bạn nhấn vào tùy chọn tải xuống.

Xem thêm Cài đặt PyTorch

Bước 2: Cài đặt Anaconda Python

Sau khi tải xuống xong, hãy chuyển đến thư mục tải xuống và nhấp vào tệp .exe của Anaconda (Anaconda3-2019.03-Windows-x86_64.exe). Cửa sổ thiết lập để cài đặt Anaconda sẽ mở ra, bạn phải nhấp vào Tiếp theo , như hình dưới đây:

Sau khi nhấp vào Tiếp theo, nó sẽ mở ra cửa sổ Thỏa thuận Cấp phép, nhấp vào Tôi Đồng ý để tiếp tục cài đặt.

Tiếp theo, bạn sẽ nhận được hai tùy chọn trong cửa sổ; nhấp vào tùy chọn đầu tiên, sau đó nhấp vào Tiếp theo .

Sau đó, bạn sẽ được dẫn đến cửa sổ nơi nó sẽ hỏi bạn vị trí cài đặt và bạn có thể chọn vị trí cài đặt làm mặc định hoặc thay đổi vị trí bằng cách duyệt qua một vị trí và sau đó nhấp vào Tiếp theo , như được hiển thị bên dưới:

Nhấp vào Cài đặt.

Khi bạn đã hoàn tất quá trình cài đặt, hãy nhấp vào Tiếp theo .

Nhấp vào Kết thúc sau khi cài đặt xong để kết thúc quá trình.

Xem thêm Model class trong Keras

Bước 3: Tạo môi trường

Bây giờ bạn đã hoàn tất việc cài đặt Anaconda, bạn phải tạo một môi trường chung cư mới, nơi bạn sẽ cài đặt tất cả các mô-đun của mình để xây dựng các mô hình của bạn.

Bạn có thể chạy lời nhắc Anaconda với tư cách là Quản trị viên, bạn có thể thực hiện bằng cách tìm kiếm lời nhắc Anaconda trong thanh tìm kiếm rồi nhấp chuột phải vào nó, sau đó chọn tùy chọn đầu tiên có nội dung Chạy với tư cách quản trị viên .

Sau khi bạn nhấp vào nó, bạn sẽ thấy lời nhắc anaconda của bạn đã mở ra và nó sẽ giống như hình dưới đây.

Tiếp theo, bạn sẽ cần tạo một môi trường. Bạn phải viết lệnh sau trên dấu nhắc anaconda và nhấn enter. Ở đây deeplearning chỉ định tên của môi trường, nhưng bạn có thể viết bất cứ thứ gì tùy theo lựa chọn của mình.

conda create –name deeplearning

Từ hình ảnh đưa ra ở trên, bạn có thể thấy rằng nó đang yêu cầu bạn cung cấp vị trí môi trường gói gói, hãy nhấp vào y và nhấn enter.

Như vậy, bạn có thể thấy trong hình trên là bạn đã tạo môi trường thành công. Bây giờ bước tiếp theo là kích hoạt môi trường mà bạn đã tạo trước đó. Để kích hoạt môi trường, hãy viết như sau;

activate deeplearning

Từ hình ảnh trên, bạn có thể thấy rằng bạn đang ở trong môi trường này.

Tiếp theo, bạn phải cài đặt Keras, mà bạn có thể thực hiện đơn giản bằng cách sử dụng lệnh bên dưới.

conda install -c anaconda keras

Bạn có thể thấy rằng nó đang yêu cầu bạn cài đặt các gói sau, vì vậy hãy tiếp tục nhập y .

Từ hình ảnh trên, bạn có thể thấy rằng bạn đã cài đặt thành công.

Vì đây là một môi trường mới nên bạn cần thực hiện lại một số cài đặt để tránh xảy ra lỗi: ModuleNotFoundError: Không có mô-đun nào có tên ‘keras’ khi nhập Keras .

Vì vậy, bạn phải chạy hai trong số các lệnh quan trọng nhất vì khi bạn tạo một môi trường, jupyter và spyder không được cài đặt sẵn, đó là lý do tại sao bạn phải chạy chúng.

Xem thêm Cài đặt OpenCV

Đầu tiên, bạn sẽ chạy lệnh cho jupyter, như sau:

conda install jupyter