如何在不同的conda环境中设置不同的keras后端

Question

如何在不同的conda 环境中设置不同的 keras 后端？因为在特定的环境下，如果我把keras.json中的后端改成tensorflow，那么在另一个python环境下，keras的后端也会是tensorflow。我的文档中只有一个keras.json。

Answer 1

一种解决方案是为不同的环境创建不同的用户，并为两者放置不同的keras.json 文件：

$HOME/.keras/keras.json

这样您就可以独立更改任何 keras 参数。

---

如果你只需要更改后端，使用KERAS_BACKEND env 变量会更容易。以下命令将使用tensorflow，无论keras.json 中的内容是什么：

$ KERAS_BACKEND=tensorflow python -c "from keras import backend"
Using TensorFlow backend.

那么你能不能启动一个新的shell终端，在里面运行export KERAS_BACKEND=tensorflow，所有后续的命令都会使用tensorflow。您可以更进一步，并按照this question 中的讨论为每个 conda env 激活设置此变量（如果您永久需要它）：

$PREFIX/etc/conda/activate.d

Answer 2

用于在 Anaconda 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，如果加载 tensorflow 失败，则在该环境中安装 tensorflow）成功
• 在 ~ 文件夹中，将创建一个“.keras”文件夹，其中包含 keras.json 文件
• 对于其他环境，将“.keras”文件夹的副本创建为“.keras1”
• 根据要求更改该文件夹中的 keras.json 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' 并编辑 __init__ .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

Answer 3

这是我为自己的目的所做的，与 Kedar 的 answer 相同的逻辑，但在 Windows 安装（和 Keras 版本）上，位置和文件名可能不同：

1/ 在目标 Anaconda 环境的文件夹中设置一个特定的 keras.json 文件。修改“后端”值。

2/ 然后强制 'load_backend.py'（特定于您的 anaconda 环境的那个）加载这个特定的 keras.json。 此外，在同一个文件中强制将“默认后端”设置为您想要的那个。

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

详情：

1.1 打开您需要特定后端的 Anaconda 环境文件夹。就我而言，它是 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（我从 C:\Users\[MyWindowsUserProfile]\.keras\keras.json 复制了我的)。

现在在该文件中，将后端更改为您想要的后端，我为一些测试选择了“cntk”。该文件的内容现在应该如下所示：

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

文件的名称和位置类似于 C:\ProgramData\Anaconda3\envs\[MyAnacondaEnvironment]\.keras\keras.json

2.1 现在打开特定于您正在自定义的环境的文件“load_backend.py”，位于此处（在我的情况下）C:\ProgramData\Anaconda3\envs\[MyAnacondaEnvironment]\Lib\站点包\keras\后端

2.2 在我的 Keras 版本 (2.3.1) 中的第 17 到 25 行，该文件通常在环境变量或当前 Windows 的帮助下从它找到的配置文件中加载后端以用户为例。这就是为什么目前您的后端是跨环境的。

通过强制“load_backend.py”在您的环境特定配置文件（您在步骤 1.2 中创建的那个）中查看要直接加载哪个后端来摆脱这种情况

例如，'load_backend.py' 文件的第 26 行（在我的情况下为第 26 行，无论如何，在尝试自动加载配置文件之后）添加该行（并根据您自己的位置对其进行自定义）：

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

3.1 然后将默认后端 _BACKEND = 'tensorflow' 替换为 _BACKEND = 'cntk'（在我的情况下是第 28 行，反正在你强制 _keras_dir 路径之后）。

你应该完成了