在Windows平台上搭建基于Keras的Python神经网络环境

1.准备工作

首先确认你的Windows是64位的Windows 7/8/10，其他版本的Windows不建议使用。

2.安装环境

1.TensorFlow环境

这里介绍通过pip安装TensorFlow的方式
1.下载whl离线安装文件，下载地址：
https://mirrors.tuna.tsinghua.edu.cn/tensorflow
2.这里我们选择Windows的0.9.0版本，CPU版本安装更加简单，所以选择CPU版本
下载地址：
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.3.0rc0-cp36-cp36m-win_amd64.whl
下载之后，进入此文件的目录，打来命令行执行：
pip install tensorflow-1.3.0rc0-cp36-cp36m-win_amd64.whl
执行到最后报错：

进入python包下找到这个文件并删除，如下图所示：

删除后，重新执行安装命令，执行成功，如下图所示：

验证命令如下：

结果分析：上图中成功导入TensorFlow并且，成功输出“Hello,Tensorflow!”，说明我们安装成功了。

2.keras，h5py，pillow环境

分别执行：
pip3 install keras
pip3 install h5py
pip3 install pillow
即可完成安装

3. 环境测试

安装好keras就可以进行神经网络的设计和训练了，但在本文中我们跳过这个步骤，即假设已经设计好了神经网络的结构，并得到了权重。

keras 内建了许多学术界已经发表的神经网络结构。我们使用2017年6月Google发表的mobilenet作为学习对象。第一次使用mobilenet的时候，keras 会自动下载这个网络的权重，但由于使用Python自身的下载功能，速度较慢。所以比较好的解决方法是使用迅雷等工具下载权重。
在keras作者的github可以得到mobilenet的权重。打开fchollet/deep-learning-models，选择mobilenet_1_0_224_tf.h5进行下载。把得到的文件放在 C:\Users<你的用户名>.keras\models里面。如果这个目录不存在，就自己创建一个。按Win+R，输入cmd并回车（此时cmd所在的目录就是C:\Users<你的用户名>），然后

mkdir .keras
cd .keras
mkdir models

权重准备好之后就可以使用mobilenet进行图像识别了。代码非常简单：

from keras.applications.mobilenet import MobileNet
from keras.preprocessing import image
from keras.applications.mobilenet import preprocess_input, decode_predictions
import numpy as np
import sys

model = MobileNet(weights='imagenet')

img_path = sys.argv[1]
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

preds = model.predict(x)
print('Predicted:', decode_predictions(preds, top=3)[0])

首先创建一个mobilenet对象，它代表了神经网络的结构，并自动的从你刚才下载权重的位置读取权重。然后读入一张图片，转换为神经网络的输入格式（4-D Tensor，-1~1之间的浮点数），然后用神经网络对这个输入数据进行计算，计算结果是一个1000维的向量，通过查表得到这个向量代表何种物体。

笔者的一次运行结果是这样的：

即，这个神经网络认为该图片有63.8%的概率为斑纹猫，24.9%的概率为埃及猫，9.5的概率为虎猫。

补充：
一开始运行代码报错如下图：

原因：是因为我安装的keras 版本太高了，keras 2.1.6的softmax没有axis这个参数了，于是，我回退了keras版本：
执行命令
pip install keras==2.1
再次运行程序，就没报错了。