如何在R中使用keras使用Python安裝的tensorflow

Question

我已經使用以下命令執行了tensor flow安裝：

pip install --ignore-installed https://github.com/mind/wheels/releases/download/tf1.5-gpu-cuda91-nomkl/tensorflow-1.5.0-cp27-cp27mu-linux_x86_64.whl

這是為CUDA 9.1提供的最新張力輪。 （比CUDA 8.0快3倍）

我可以在我的python代碼中成功調用它。

如何讓R中的keras調用上面python安裝的tensorflow？ 我問的原因是因為我的默認安裝方法

keras::install_keras(method="conda", tensorflow = "gpu")

它無法識別cuda-9.1庫。

> conv_base <- keras::application_vgg16(
+   weights = "imagenet",
+   include_top = FALSE,
+   input_shape = c(150, 150, 3)
+ )
/home/ubuntu/anaconda2/envs/r-tensorflow/lib/python2.7/site-packages/h5py/__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
  from ._conv import register_converters as _register_converters
Using TensorFlow backend.
Error: ImportError: Traceback (most recent call last):
  File "/home/ubuntu/anaconda2/envs/r-tensorflow/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "/home/ubuntu/anaconda2/envs/r-tensorflow/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "/home/ubuntu/anaconda2/envs/r-tensorflow/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

這是因為R安裝方法需要調用tensorflow版本1.5.0，但仍未滿足CUDA 9.1的要求。

Answer 1

嘗試將它放在你的.bashrc ：

export KERAS_BACKEND='tensorflow'

或者根據此說明 ，您可以：

tensorflow::install_tensorflow(version = "https://github.com/mind/wheels/releases/download/tf1.5-gpu-cuda91-nomkl/tensorflow-1.5.0-cp27-cp27mu-linux_x86_64.whl")

然后keras將自動識別正確的張量流

Answer 2

R正在尋找CUDA 9.0版本，而不是最新的9.1版本。 您應該能夠對系統進行符號鏈接，使其最終位於9.1文件夾中; 就像是：

ln -s [path to cuda 9.0 it's looking for] [cuda 9.1]

或者，您可以卸載9.1並安裝9.0。 我相信你也需要cudnn版本7。