個人技術部落格（ ）

2022-07-16 13:48:14 字數 2985 閱讀 8943

本人在此次團隊任務中擔任影象識別模型的訓練，因此配置深度學習的環境和進行神經網路的設計是理所當然的事。
anaconda是開源的python 發行版本，包含大量包極其依賴項，可以便捷地進行包的管理
anaconda 常用操作：
檢視已有包
conda/pip list
安裝包

pip/conda install 《包名》


可指定安裝的版本 ：pip install 包名=版本號
安裝本地包：

pip install 《目錄》/《檔名》
更新包：

conda upgrade 《包名》


pip install -u 《包名》
解除安裝包：

conda remove 《包名》


pip uninstall 《包名》
anaconda 自帶的編譯器spyder
環境是win10，64位
mingw全稱minimalist gnu for windows，是個精簡的windows平台c/c++、ada及fortran編譯器，相比cygwin而言，體積要小很多，使用較為方便。mingw提供了一套完整的開源編譯工具集，以適合windows平台應用開發，且不依賴任何第三方c執行時庫。

mingw包括：

1.一套整合編譯器，包括c、c++、ada語言和fortran語言編譯器

2.用於生成windows二進位制檔案的gnu工具的（編譯器、鏈結器和檔案管理器）

3.用於windows平台安裝和部署mingw和msys的命令列安裝器（mingw-get）

4.用於命令列安裝器的gui打包器（mingw-get-inst）

使用命令安裝

conda install mingw libpython
配置環境變數：

1.編輯使用者變數中的path變數（如果沒有就新建乙個，一般會有的），在後邊追加c:\anaconda;c:\anaconda\scripts; 不要漏掉分號，此處因為我的anaconda的安裝目錄是c:\anaconda，此處需要根據自己的安裝目錄填寫。

在使用者變數中新建變數pythonpath，變數值為c:\anaconda\lib\site-packages\theano; ，此處就是指明安裝的theano的目錄是哪，但是現在咱們還沒有安裝，所以不著急，先寫完再說。

2.開啟cmd，會看到視窗裡邊有個路徑，我的是c:\users\locked>，根據自己的路徑，找到對應的目錄，在該目錄下新建乙個文字文件.theanorc.txt （注意有兩個「.」），編輯它，寫入以下內容：

[global]

openmp=false

[blas]

ldflags=

[gcc]

cxxflags=-ic:\anaconda\mingw

其中紅體字部分是你安裝的anaconda的路徑，一定不要弄錯。否則找不到mingw。

3.最好重啟一下電腦。

使用之前學過的命令
pip install theano
進度條結束之後進入python環境，輸入

import theano


theano.test()
如果沒有報錯的話，表示安裝成功。

****theano可安裝gpu加速版本，由於本次沒有使用，有需要者自行搜尋。

keras可基於tensorflow或者theano，本次使用的是基於theano，使用和安裝theano相同的方法安裝keras，這裡就不對述。


修改backend。安裝keras之後在命令列的主介面.keras檔案（注意有一「.」），修改keras.json檔案，將檔案內容修改為：
1.匯入包

import keras


...
2.匯入資料

label,data = readdata(data_dir)
3.生成乙個模型

model = sequential()

model.add(convolution2d(16, 3, 3, border_mode='valid',input_shape=data.shape[-3:]))

model.add(activation('tanh'))#tanh

model.add(convolution2d(32, 3, 3, border_mode='valid'))

model.add(activation('tanh'))#tanh

model.add(convolution2d(32, 3, 3, border_mode='valid'))

model.add(activation('tanh'))#tanh

model.add(flatten())

model.add(dense(128, init='normal'))

model.add(activation('tanh'))#tanh

model.add(dense(numclass, init='normal'))

model.add(activation('softmax'))

sgd = sgd(l2=0.1,lr=0.001, decay=1e-6, momentum=0.9, nesterov=true)

model.compile(loss='categorical_crossentropy', optimizer=sgd,class_mode="categorical")

4.訓練模型

利用model.train_on_batch（）或者model.fit（）

個人作業 軟體工程實踐總結 個人技術部落格

問題 回答軟體工程實踐中一共完成了多少行的 6k左右，其中團隊專案github淨增加3k 累計花了多少個小時在軟工實踐上 340 平均每週花多少個小時 17.1 不同週數差異巨大 學習和使用的新軟體 axurerp9 學習和使用的新工具 python的單元測試工具和覆蓋率檢測工具 學習和掌握的新語言...

個人作業 軟體工程實踐總結 個人技術部落格

這個作業屬於哪個課程 2020春s班 這個作業要求在 作業要求 這個作業的目標 軟體工程實踐總結 個人技術部落格 作業正文 個人作業 軟體工程實踐總結 個人技術部落格 其他參考文獻 csdn 構建之法 達到期待和目標自身存在的不足 在第一次作業當中，我給自己制定了 熟練掌握linux運維 的目標。以...

個人作業 軟體工程實踐總結 個人技術部落格

這個作業屬於哪個課程 2020春 s班 福州大學 這個作業要求在 個人作業 軟體工程實踐總結 個人技術部落格 這個作業的目標 回顧軟工實踐課程，進行個人總結 作業正文 個人作業 軟體工程實踐總結 個人技術部落格 其他參考文獻 無 1 對比開篇部落格你對課程目標和期待，希望通過實踐鍛鍊，增強軟體工程專...