项目特定keras配置的推荐方法？

我的目标是在每个项目的基础上维护

keras

配置，例如，一个项目更喜欢

theano

后端，另一个项目更喜欢

tensorflow

后端。作为奖励，我想与其他开发人员相对无缝地共享此配置

以下是一些想法：

keras配置能否由虚拟环境管理/在虚拟环境中管理

我是否应该使用

dotenv

或

autoenv

之类的工具来管理一些共享环境配置（通过

KERAS\u BACKEND

环境变量）

在使用

$HOME

中的版本之前，是否应更新keras以在工作树中查找

.keras/keras.json

文件

keras配置能否由虚拟环境管理/在虚拟环境中管理

基本配置参数（如后端、浮点精度）在

$KERAS_HOME/KERAS.json

文件中管理。您可以为每个Anaconda/虚拟环境创建一个

keras.json

，并设置

keras\u HOME

以在加载时指向特定文件

或者，可以在运行时通过Keras后端设置这些变量，这将覆盖配置文件中的值：

from keras import backend as K
K.set_floatx('float16')

根据Keras后端，还可以配置其他参数。例如，使用

tensorflow

后端，可能需要配置

tf.ConfigProto

。一种实用的方法是在运行时执行，如：

import os 
if os.environ['KERAS_BACKEND'] == 'tensorflow':
    import tensorflow as tf
    from keras.backend.tensorflow_backend import set_session
    gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.95, allow_growth=True)
    config = tf.ConfigProto(gpu_options=gpu_options)
    set_session(tf.Session(config=config))

有关可以配置的内容，请参阅

我应该使用类似于

dotenv

或

autoenv

的工具来管理一些共享资源吗 环境配置（通过

KERAS\u后端
environment
变量）

这绝对不是必须的，可以使用Keras中可用的

os.environ

和get/set方法来修改变量

在使用

$HOME

中的版本之前，是否应更新keras以在工作树中查找

.keras/keras.json

文件

通过更改

keras_HOME

env变量或启动应用程序，可以指向

keras.json

config文件的自定义位置，如：

env KERAS_HOME=<path to custom folder containing keras.json> python keras_app.py

env KERAS_HOME=python KERAS_app.py

是

KERAS_HOME='./path/to/dir/containing/KERAS.json'

还是

KERAS_HOME='./path/to/KERAS.json'

？设置

K.set_……（）

是否会通过子模块中的所有后续keras导入传播？指向包含keras.json的自定义文件夹的路径（我更正了响应，感谢您指出）。嗯，这将仅从2.1.7开始提供，以下是PR：