如何在不同的conda环境下设置不同的keras后端

Question

如何在不同的conda环境中设置不同的keras后端？因为在特定的环境中，如果我在keras.json中将后端更改为tensorflow，那么在另一个python环境中，keras后端也将是tensorflow。我的文档中只有一个keras.json。在

Answer 1

以下是我为自己的目的所做的，逻辑与Kedar的answer相同，但在Windows安装（和Keras版本）上，其位置和文件名可能有所不同：

1/设置a特定keras.json文件文件，在目标Python环境的文件夹中。修改“backend”值。在

2/然后强制加载_后端.py'（一个特定于您的Python环境）来加载这个特定的keras.json文件. 另外，强制de“default backend”到您想要的同一个文件中。在

==========================================================

详细信息：

1.1打开需要特定后端的Anaconda环境文件夹。在我的例子中是C:\ProgramData\Anaconda3\envs\[MyAnacondaEnvironment]\

1.2在这里创建一个文件夹.keras，并在该文件夹中复制或创建一个文件keras.json文件（我是从C:\Users\[MyWindowsUserProfile]\.keras复制的\keras.json文件). 在

现在在这个文件中，改变你想要的后端，我已经选择了'cntk'进行一些测试。文件内容现在应该如下所示：

{
    "floatx": "float32",
    "epsilon": 1e-07,
    "backend": "cntk",
    "image_data_format": "channels_last"
}

文件名和位置类似于C:\ProgramData\Anaconda3\envs\[MyAnacondaEnvironment]\.keras\keras.json文件在

2.1现在打开“加载”文件_后端.py'特定于您正在定制的环境，位于（在我的例子中）C:\ProgramData\Anaconda3\envs\[MyAnacondaEnvironment]\Lib\site packages\keras\backend

2.2在我的Keras版本（2.3.1）中，这里的第17行到第25行，该文件通常在环境变量或当前Windows用户的帮助下，从它所在的配置文件加载后端。这就是为什么目前您的后端是跨环境的。在

通过强制加载来消除这个问题_后端.py'查看要直接加载到特定于环境的配置文件（步骤1.2中创建的配置文件）中的后端

例如，第26行_后端.py'文件（在我的例子中是第26行，在尝试自动加载配置文件之后）添加该行（并为您自己的位置自定义）：

_keras_dir='C:\ProgramData\Anaconda3\envs\[MyAnacondaEnvironment]\.keras'##强制脚本从特定文件获取配置

3.1然后替换（在我的例子中是第28行，在您强制使用_keras_dir path之后）默认的后端_backend='tensorflow'替换为_backend='cntk'。在

你应该完蛋了

Answer 2

一种解决方案是为不同的环境创建不同的用户，并为这两种环境放置不同的^{}文件：

$HOME/.keras/keras.json

这样您就可以独立地更改任何keras参数。在

---

如果只需要更改后端，那么使用KERAS_BACKENDenv变量会更容易。以下命令将使用tensorflow，而不管keras.json中是什么：

^{pr2}$

所以你可以启动一个新的shell终端，在其中运行export KERAS_BACKEND=tensorflow，所有后续命令都将使用tensorflow。您可以按照this question（如果您永久需要它）中所述，进一步设置每个conda env activation变量：

$PREFIX/etc/conda/activate.d

Answer 3

在水蟒的不同环境中使用不同的keras后端-“env1”和“env2”

• 激活第一个环境“env1”
• 使用默认后端从python导入keras（例如，如果无法加载tensorflow，请在该环境中安装tensorflow）
• 在~文件夹中，将创建一个“.keras”文件夹，其中包含keras.json文件文件
• 对于其他环境，请将“.keras”文件夹的副本创建为“.keras1”
• 改变keras.json文件根据要求在该文件夹中的文件（“后端”字段）
• 要在“env2”中使用该配置，请转到'~/anaconda3/envs/env2/lib/pythonx.x/site packages/keras/backend'，然后编辑\uuinit_uu.py文件
• 进行标记为的更改
• 您将能够在env1和env2中导入具有不同后端的keras

from __future__ import absolute_import from __future__ import print_function import os import json import sys import importlib from .common import epsilon from .common import floatx from .common import set_epsilon from .common import set_floatx from .common import cast_to_floatx from .common import image_data_format from .common import set_image_data_format # Set Keras base dir path given KERAS_HOME env variable, if applicable. # Otherwise either ~/.keras or /tmp. if 'KERAS_HOME' in os.environ: _keras_dir = os.environ.get('KERAS_HOME') else: _keras_base_dir = os.path.expanduser('~') if not os.access(_keras_base_dir, os.W_OK): _keras_base_dir = '/tmp' _keras_dir = os.path.join(_keras_base_dir, '.keras1')## # Default backend: TensorFlow. _BACKEND = 'tensorflow' # Attempt to read Keras config file. _config_path = os.path.expanduser(os.path.join(_keras_dir, 'keras.json')) if os.path.exists(_config_path): try: with open(_config_path) as f: _config = json.load(f) except ValueError: _config = {} _floatx = _config.get('floatx', floatx()) assert _floatx in {'float16', 'float32', 'float64'} _epsilon = _config.get('epsilon', epsilon()) assert isinstance(_epsilon, float) _backend = _config.get('backend', _BACKEND) _image_data_format = _config.get('image_data_format', image_data_format()) assert _image_data_format in {'channels_last', 'channels_first'} set_floatx(_floatx) set_epsilon(_epsilon) set_image_data_format(_image_data_format) _BACKEND = _backend # Save config file, if possible. if not os.path.exists(_keras_dir): try: os.makedirs(_keras_dir) except OSError: # Except permission denied and potential race conditions # in multi-threaded environments. pass if not os.path.exists(_config_path): _config = { 'floatx': floatx(), 'epsilon': epsilon(), 'backend': _BACKEND, 'image_data_format': image_data_format() } try: with open(_config_path, 'w') as f: f.write(json.dumps(_config, indent=4)) except IOError: # Except permission denied. pass # Set backend based on KERAS_BACKEND flag, if applicable. if 'KERAS_BACKEND' in os.environ: _backend = os.environ['KERAS_BACKEND'] _BACKEND = _backend # Import backend functions. if _BACKEND == 'cntk': sys.stderr.write('Using CNTK backend\n') from .cntk_backend import * elif _BACKEND == 'theano': sys.stderr.write('Using Theano backend.\n') from .theano_backend import * elif _BACKEND == 'tensorflow': sys.stderr.write('Using TensorFlow backend.\n') from .tensorflow_backend import * else: # Try and load external backend. try: backend_module = importlib.import_module(_BACKEND) entries = backend_module.__dict__ # Check if valid backend. # Module is a valid backend if it has the required entries. required_entries = ['placeholder', 'variable', 'function'] for e in required_entries: if e not in entries: raise ValueError('Invalid backend. Missing required entry : ' + e) namespace = globals() for k, v in entries.items(): # Make sure we don't override any entries from common, such as epsilon. if k not in namespace: namespace[k] = v sys.stderr.write('Using ' + _BACKEND + ' backend.\n') except ImportError: raise ValueError('Unable to import backend : ' + str(_BACKEND)) def backend(): """Publicly accessible method for determining the current backend. # Returns String, the name of the backend Keras is currently using. # Example ```python >>> keras.backend.backend() 'tensorflow' ``` """ return _BACKEND ；