方法1
在users文件夾下新建.keras文件夾,在文件夾下新建keras.json文件,json內(nèi)容為:
{
"image_dim_ordering": "tf",
"epsilon": 1e-07,
"floatx": "float32",
"backend": "tensorflow"
}
這其中的backend可以是tensorflow或者theano,當(dāng)然前提是你已經(jīng)安裝好了。
但是上面這種方式有一個弊端就是每次當(dāng)你想切換backend的時候都需要手動修改這個文件,所以有一種能夠動態(tài)修改的方式不是更好嗎?請看下面的方法:
方法2
import os
os.environ['KERAS_BACKEND'] = 'tensorflow'
import keras.backend as K
K.set_image_dim_ordering('tf')
首先載入os庫,將keras的backend修改為tensorflow,再將keras的backend加載,設(shè)置order為tensorflow格式。
補充:解決引入keras后出現(xiàn)的Using TensorFlow backend的錯誤
問題:
用Anaconda檢索keras-gpu,apply后,理論上應(yīng)該自動配好相關(guān)的cuddn和tensorflow-gpu及其相應(yīng)版本,但運行程序時出現(xiàn)如標(biāo)題錯誤和一堆報錯。
按網(wǎng)上一堆方法改,都不好用。比如,加os.environ['KERAS_BACKEND']='tensorflow-gpu',更新setup tool等。
解決:
最后誤打誤撞,在Anaconda上修改tensorflow-gpu版本由之前默認的1.10改成1.80
python3.6
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
您可能感興趣的文章:- keras的get_value運行越來越慢的解決方案
- 基于keras中訓(xùn)練數(shù)據(jù)的幾種方式對比(fit和fit_generator)
- 淺談Keras中fit()和fit_generator()的區(qū)別及其參數(shù)的坑
- Keras保存模型并載入模型繼續(xù)訓(xùn)練的實現(xiàn)
- TensorFlow2.0使用keras訓(xùn)練模型的實現(xiàn)
- tensorflow2.0教程之Keras快速入門
- 淺析關(guān)于Keras的安裝(pycharm)和初步理解
- 基于Keras的擴展性使用