Python keras示例不';行不通
我试图研究Keras库,并尝试从 然后我犯了这个错误Python keras示例不';行不通,python,keras,Python,Keras,我试图研究Keras库,并尝试从 然后我犯了这个错误 我使用amd gpu、Python3.5和keras在最新版本中运行windows 10 64位。错误清楚地表明它找不到g++.exe。TeaNo需要C++编译器来生成和编译C++代码,以加速代码的执行,但是看起来你没有这样的编译器。 所以要么安装G++(可能是从一个明文安装),然后在TeaNo的配置中配置G++.exe二进制路径,或者禁用TeaNo的C++代码生成器。在 < P>不幸的是,Keras和TeaNo在Windows上使用Pyt
我使用amd gpu、Python3.5和keras在最新版本中运行windows 10 64位。错误清楚地表明它找不到g++.exe。TeaNo需要C++编译器来生成和编译C++代码,以加速代码的执行,但是看起来你没有这样的编译器。
所以要么安装G++(可能是从一个明文安装),然后在TeaNo的配置中配置G++.exe二进制路径,或者禁用TeaNo的C++代码生成器。在 < P>不幸的是,Keras和TeaNo在Windows上使用Python 3不太好。你的问题与你必须将Lypython库添加到C++ Windows编译器中并将其与Python安装连接起来的事实相关联,安装Python 3.5时可能会相当苛刻。我宁愿建议您将其安装在Python2上。在这里,您有一个具体的操作说明:
教程:在Windows 7、8、10上安装 各位好, 这篇文章是关于Windows7、8和10安装Theano的分步教程。它使用Theano、CUDA和Anaconda Anaconda是python的包管理器,它简化了python环境的设置和依赖项的安装。如果你真的不想使用水蟒,请查看我以前的帖子 让我们开始吧:
还将VisualStudio的C++编译器添加到路径
添加;路径到您的VSInstallation\VC\bin\全部归功于:这是windows特有的吗?我在Linux上使用了Keras/Theano和python3,效果非常好。是的,它是Windows特有的。有一次,我花了一个多星期的时间试图在Python3旁边安装Theano/Keras。我发现这是因为mingwpython库中的更改。默认Windows编译器和Python C/C++库的一致性存在一些问题。如果您可以只安装Python2,那么就不值得花太多时间关注它。
'''Trains a simple deep NN on the MNIST dataset.
Gets to 98.40% test accuracy after 20 epochs
(there is *a lot* of margin for parameter tuning).
2 seconds per epoch on a K520 GPU.
'''
from __future__ import print_function
import numpy as np
np.random.seed(1337) # for reproducibility
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.optimizers import SGD, Adam, RMSprop
from keras.utils import np_utils
batch_size = 128
nb_classes = 10
nb_epoch = 20
# the data, shuffled and split between train and test sets
(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.reshape(60000, 784)
X_test = X_test.reshape(10000, 784)
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255
print(X_train.shape[0], 'train samples')
print(X_test.shape[0], 'test samples')
# convert class vectors to binary class matrices
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)
model = Sequential()
model.add(Dense(512, input_shape=(784,)))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(10))
model.add(Activation('softmax'))
model.summary()
model.compile(loss='categorical_crossentropy',
optimizer=RMSprop(),
metrics=['accuracy'])
history = model.fit(X_train, Y_train,
batch_size=batch_size, nb_epoch=nb_epoch,
verbose=1, validation_data=(X_test, Y_test))
score = model.evaluate(X_test, Y_test, verbose=0)
print('Test score:', score[0])
print('Test accuracy:', score[1])