方法1
在users文件夹下新建.keras文件夹,在文件夹下新建keras.json文件,json内容为:
{
"image_dim_ordering": "tf",
"epsilon": 1e-07,
"floatx": "float32",
"backend": "tensorflow"
}
这其中的backend可以是tensorflow或者theano,当然前提是你已经安装好了。
但是上面这种方式有一个弊端就是每次当你想切换backend的时候都需要手动修改这个文件,所以有一种能够动态修改的方式不是更好吗?请看下面的方法:
方法2
import os
os.environ['KERAS_BACKEND'] = 'tensorflow'
import keras.backend as K
K.set_image_dim_ordering('tf')
首先载入os库,将keras的backend修改为tensorflow,再将keras的backend加载,设置order为tensorflow格式。
补充:解决引入keras后出现的Using TensorFlow backend的错误
问题:
用Anaconda检索keras-gpu,apply后,理论上应该自动配好相关的cuddn和tensorflow-gpu及其相应版本,但运行程序时出现如标题错误和一堆报错。
按网上一堆方法改,都不好用。比如,加os.environ['KERAS_BACKEND']='tensorflow-gpu',更新setup tool等。
解决:
最后误打误撞,在Anaconda上修改tensorflow-gpu版本由之前默认的1.10改成1.80
python3.6
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
您可能感兴趣的文章:- keras的get_value运行越来越慢的解决方案
- 基于keras中训练数据的几种方式对比(fit和fit_generator)
- 浅谈Keras中fit()和fit_generator()的区别及其参数的坑
- Keras保存模型并载入模型继续训练的实现
- TensorFlow2.0使用keras训练模型的实现
- tensorflow2.0教程之Keras快速入门
- 浅析关于Keras的安装(pycharm)和初步理解
- 基于Keras的扩展性使用