深度学习 AMI
开发人员指南
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 Amazon AWS 入门

Keras

Keras 教程

  1. 要激活此框架,请在您的使用 采用 Conda 的 Deep Learning AMI CLI 上使用这些命令。

    • 对于使用 CUDA 9 和 cuDNN 7 的 Python 3 上的具有 MXNet 后端的 Keras 2:

      $ source activate mxnet_p36
    • 对于使用 CUDA 9 和 cuDNN 7 的 Python 2 上的具有 MXNet 后端的 Keras 2:

      $ source activate mxnet_p27
    • 对于使用 CUDA 9 和 cuDNN 7 的 Python 3 上具有 TensorFlow 后端的 Keras 2:

      $ source activate tensorflow_p36
    • 对于在使用 CUDA 9 和 cuDNN 7 的 Python 2 上具有 TensorFlow 后端的 Keras 2:

      $ source activate tensorflow_p27
  2. 要测试导入 Keras 以验证激活哪些后端,请使用这些命令:

    $ ipython import keras as k

    以下内容应显示您的屏幕上:

    Using MXNet backend

    如果 Keras 使用的是 TensorFlow,则会显示以下内容:

    Using TensorFlow backend

    注意

    如果您收到错误,或如果仍在使用错误的后端,则可以手动更新您的 Keras 配置。编辑 ~/.keras/keras.json 文件并将后端设置更改为 mxnettensorflow

更多教程

  • 有关使用具有 MXNet 后端的 Keras 的多 GPU 教程,请尝试Keras-MXNet Multi-GPU 训练教程

  • 您可以在 采用 Conda 的 Deep Learning AMI ~/examples/keras-mxnet 目录中查找有关具有 MXNet 后端的 Keras 的示例。

  • 您可以在 采用 Conda 的 Deep Learning AMI ~/examples/keras 目录中查找有关具有 TensorFlow 后端的 Keras 的示例。

  • 有关其他教程和示例,请参阅 Keras 网站。

本页内容: