使用安卓手机开发深度学习简易教程（Python3+Keras） - 好文

本教程基于安卓手机平台，在PyDroid3软件上，使用Python3语言配合Keras框架开发深度学习。本文章主要涉及在手机上开发环境的搭建，以及简单的示例代码，如果想深入研究开发，还需要读者自己花些功夫了。不废话，开始教程。。

*
准备工作
1、手上需要有一个安卓手机，最近两年发布的机型都可以，性能不要太弱，因为跑深度学习代码还是很吃性能的。我用的是小米8，跑cnn长时间会发热。
2、下载PyDroid3手机APP，我给大家准备好链接了
PyDroid3下载地址 <https://pan.baidu.com/s/1rVcIbRG5Lp7o4SOH_n-akQ>
3、手机需要联网，并且至少应该有1G存储，因为要下载一些依赖包。

*
软件安装
1、安装下载好的PyDroid，为了方便演示，我从手机上卸载APP，把整个流程走一下。
2、安装好PyDroid后，打开APP，会自动安装Python3，稍等一下，就可以测试python是否正常工作。
3、测试python功能

在中间输入框输入测试代码：
print("Hello World")
注意括号()和双引号""要使用英文输入法下面标点符号来输入，不然会报错，以后再手机上Code的时候也要注意这点。
输入代码完成后，点击右下角的黄色按钮就可以运行，如果无误的话会有
Hello World
的输出

* 开发环境搭建
1、依赖库安装
点击右上角会显示更多菜单，选择Pip选项，可以在QUICK
INSTALL找到常用的库，点击INSTALL就可以安装了，安装的时候要稍等一下（速度的确比较慢，大家需要耐心等待下），等提示安装完成时再退出界面。
首先可以先安装常用的包：
numpy，pandas，cython，scipy。
2、keras环境安装

细心的同学可以发现其实在上面界面就可以安装Keras了，但是因为Keras需要Theano作为后端（就是需要Theano才能正常运行），所以我们需要先安装Theano，可以在INSTALL
下面输入框输入
theano
然后APP就会自己搜索下载（注意不要输入错了，可能会找不到包），同样的等一下，安装完成后再退出界面，如果
提示错误，可能是网络原因，那就等一下再输入一次进行安装。（建议有些基础的可以选择命令行，在软件上很容易找到，和Linux，系统用法基本一致）

在上面菜单选项选择Terminal 选项，进入Terminal
依次输入：完成一项再输入下一项
pip3 install --upgrade pip pip3 install theano pip3 install keras
安装完成后就可以测试keras功能了，开始深度学习了。

* 测试代码 # coding: utf-8 import numpy as np from keras.datasets import mnist
from keras.utils import np_utils from keras.models import Sequential from
keras.layers import Dense, Activation, Convolution2D, MaxPooling2D, Flatten
from keras.optimizers import Adam np.random.seed(1337) # download the mnist
(X_train, Y_train), (X_test, Y_test) = mnist.load_data() # data pre-processing
X_train = X_train.reshape(-1, 1, 28, 28)/255 X_test = X_test.reshape(-1, 1, 28,
28)/255 Y_train = np_utils.to_categorical(Y_train, num_classes=10) Y_test =
np_utils.to_categorical(Y_test, num_classes=10) # build CNN model =
Sequential() # conv layer 1 output shape(32, 28, 28)
model.add(Convolution2D(filters=32, kernel_size=5, strides=1, padding='same',
batch_input_shape=(None, 1, 28, 28), data_format='channels_first'))
model.add(Activation('relu')) # pooling layer1 (max pooling) output shape(32,
14, 14) model.add(MaxPooling2D(pool_size=2, strides=2, padding='same',
data_format='channels_first')) # conv layer 2 output shape (64, 14, 14)
model.add(Convolution2D(64, 5, strides=1, padding='same',
data_format='channels_first')) model.add(Activation('relu')) # pooling layer 2
(max pooling) output shape (64, 7, 7) model.add(MaxPooling2D(2, 2, 'same',
data_format='channels_first')) # full connected layer 1 input shape
(64*7*7=3136), output shape (1024) model.add(Flatten()) model.add(Dense(1024))
model.add(Activation('relu')) # full connected layer 2 to shape (10) for 10
classes model.add(Dense(10)) model.add(Activation('softmax')) model.summary() #
define optimizer adam = Adam(lr=1e-4) model.compile(optimizer=adam,
loss='categorical_crossentropy', metrics=['accuracy']) # training print
('Training') model.fit(X_train, Y_train, epochs=1, batch_size=16) # testing
print ('Testing') loss, accuracy = model.evaluate(X_test, Y_test) print ('loss,
accuracy: ', (loss, accuracy))

需要去忙些事情了，教程后面的些东西晚些时间再更新。
感兴趣的朋友大家一起努力。
未完待续，大家晚安，谢谢观看。。

热门工具换一换