基于 R 语言的深度学习——配置环境

近年来深度学习在人工智能领域飞速发展，各行业的学者、研究人员纷纷涌入研究热潮。本文将从 R 语言角度来介绍深度学习并解决以下几个问题：

• 什么是深度学习？
• 相关深度学习包有哪些？
• 如何配置工作环境？
• 如何使用神经网络建立模型？

上一部分已经解决了前两个问题：基于 R 语言的深度学习——简介及资料分享。本文主要解决：如何配置 R 语言深度学习的工作环境？

配置工作环境

在使用 R 进行深度学习前，需要在系统上安装以下东西：

• R 和 RStudio
• TensorFlow
• Keras

本文默认读者为 R 语言爱好者，已经安装好了 R 和 RStudio。并且 Anaconda 的安装^[1]，也不将在本文介绍，需要读者自行解决。

• 安装 TensorFlow 包：

install.packages("tensorflow")

如果在上一步中尚未安装 Anaconda，此时将被要求安装 Miniconda。读者需要接受并等待所有软件包安装。

• 使用 install_tensorflow() 函数安装 TensorFlow。

library(tensorflow)
install_tensorflow()

• 确认是否安装成功：

library(tensorflow)
tf$constant("Hellow Tensorflow")
## tf.Tensor(b'Hellow Tensorflow', shape=(), dtype=string)

此时，默认安装了适用于 R 的 TensorFlow 版本。

• 安装并加载 keras 包：

install.packages('keras')
library(keras)
install_keras()

默认安装 CPU 版本的 Keras。如果需要安装 GPU 版本，则应使用此命令：

install_keras(tensorflow = 'gpu')

• 确认是否安装成功：

packageVersion('keras')
packageVersion('tensorflow')

当工作环境搭建完毕后，就可以开始利用 R 语言做深度学习了。

参考资料

[1]

安装: https://www.anaconda.com/products/individual#Downloads