theano

使用nematus需要用到theano环境，但是运行时theano报了各种错误。 其中一部分是cudnn导致的，在我的另一篇博客 [ubuntu上的cudnn安装及使用报错解决办法] 中有提到。还有一部分是theano版本引起的。 运行报错： AttributeError: 'module' object has no attribute 'tests' 看教程里的解决办法是将theano版本安装为0.8.2 pip / conda install Theano==0 . 8 . 2 但是替换为0.8.2之后运行仍然报错 RuntimeError: ( 'Wrong major API version for gpuarray:' , 2 , 'Make sure Theano and libgpuarray/pygpu are in sync.' ) 解决办法： 安装developer版本的Theano git clone https: / / github . com / Theano / Theano . git cd Theano pip install - e . theano使用gpu运行需要安装Pygpu库 conda install - c mila - udem pygpu 执行时使用export THEANO_FLAGS=mode=FAST_RUN,device

　　安装theano前需要自行安装Anaconda和PyCharm。在网上查了在PyCharm上安装theano的方法，但是均遇到了一些问题，现将问题与解决方案介绍如下。 （一）第一种安装方式 　　打开cmd命令窗口或者Anaconda命令窗口，输入 pip install theano。 　　回车后看到下载与安装的进度条，但是这样安装过后直接import theano会报错。于是我又使用了第二种方法。 （二）第二种安装方式 　　1.手动下载theano的zip文件 　　下载地址： https://github.com/Theano/Theano ，解压后找到XXX/Anaconda/Lib/site-packages/theano( 文件里面有个theano的文件夹 ) 　　将这个文件夹复制粘贴到E:/Anaconda/Lib/site-packages里面 )（这个路径是你自己Anaconda的路径）。 　　2.查看你的Anaconda路径下有没有MinGW文件夹，如果有，直接跳到第3步。 　　下面安装MinGW包，CMD输入conda install mingw libpython ，MinGW会自动装到Anaconda下。 　　3.配置环境变量。　 　　添加环境变量：path: XXX/Anaconda/MinGW/bin;E:/Anaconda/MinGW/x86_64

目录 Keras介绍 Keras和tensorflow关系 Keras介绍 Keras 是一个高级的Python 神经网络框架，其文档详。Keras 已经被添加到 TensorFlow 中，成为其默认的框架，为TensorFlow 提供更高级的API。 如果读者不想了解TensorFlow 的细节，只需要模块化，那么Keras 是一个不错的选择。如 果将TensorFlow 比喻为编程界的Java 或C++，那么Keras 就是编程界的Python。它作为 TensorFlow 的高层封装，可以与TensorFlow 联合使用，用它很速搭建原型。 另外，Keras 兼容两种后端，即Theano 和TensorFlow，并且其接口形式和Torch 有几分相 像。掌握Keras 可以大幅提升对开发效率和网络结构的理解。 Keras和tensorflow关系 TensorFlow是最著名的用于深度学习生产环境的框架。它有一个非常大非常棒的社区。然而，TensorFlow的使用不那么简单。另一方面，Keras是在TensorFlow基础上构建的高层API，比TF（TensorFlow的缩写）要易用很多。 Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端。无论是Theano还是TensorFlow，都是一个“符号式”的库。 来源： CSDN 作者：

import theano from theano import tensor as T #初始化张量 x=T.scalar(name='input',dtype='float32') w=T.scalar(name='input',dtype='float32') b=T.scalar(name='bias',dtype='float32') z=w*x+b #编译程序 net_input=theano.function(inputs=[w,x,b],outputs=z) #执行程序 print('net_input:%2f' %net_input(2.0,3.0,0.5)) 实验结果： 来源： CSDN 作者： Xiao_Bai_Ke 链接： https://blog.csdn.net/Xiao_Bai_Ke/article/details/104261801

这大半个月一直在瞎研究深度学习的方面，跟着UFLDL的教程学了下来，中途也看了很多大大们的博客，感觉获益匪浅，终于给了迷茫的自己入门的开端。 话说UFLDL真的很浅显易懂呢，虽然有些我不怎么明白就是啦（那你的浅显易懂是什么回事！） 嘛，和之前斯坦福的coursera一样，这个教程的Exercise也是基于matlab，深度学习也有很好的Matlab组件包，网上很多大大都给与了注解和说明。。但是好喜欢Python的说，正好有个很受推荐的deeplearning的网站，基于Python的，不错不错。 就是这个网站： http://deeplearning.net/tutorial/ 使用python开展深度学习，需要一个叫做 Theano 的组件包，啊这个包总的来说就是支持高效的多维数组与各种函数优化算法，同时可以使用NVIDIA图形显卡进行加速，嗯很棒。。（最后一个是可选功能） theano的组件包也是在这里可以下载到： 这个是官网提供PDF的手册下载： http://deeplearning.net/software/theano/index.html 现在的版本是0.60的，可以在PYPI上下到 http://deeplearning.net/software/theano/index.html#download 不过，我这种懒人一般的东西都是在这里下到： http://www

常用软件包： Theano Pylearn2 scikit-neuralnetwork Caffe Deeplearning4j Torch http://deeplearning.net/software_links/ 环境配置 Linux: Ubuntu Eclipse PyDev Python CUDA GPU: https://developer.nvidia.com/cuda-gpus 神经网络算法 (neural networks) http://www.maiziedu.com/course/python/373-3811/ 12, 14, 15 scikit-learn http://scikit-learn.org/stable/ scikit-neuralnetwork https://github.com/aigamedev/scikit-neuralnetwork 5.1 安装dependencies: pip install numpy scipy theano pip install -e git+https://github.com/lisa-lab/pylearn2.git#egg=Package git clone https://github.com/aigamedev/scikit-neuralnetwork.git cd scikit