毕业设计（一）— R语言入门及Keras入门

前言

开始做毕设了，从零入门深度学习，打算把这个过程记录下来，初级小白，笔记可能很啰嗦也可能有错误，如果有小伙伴看到，欢迎大家指正指导，有什么学习的网站或者书籍，也可以一起交流^_ ^

前置信息：我是mac系统，使用默认python2.7

1.安装R语言环境
2.R语言基础
3.RStudio安装
4.安装Keras包
- 补充：pip相关
5.入门Demo-数字识别
6.学习资料

1.mac下安装R语言环境

登陆[官网](https://www.r-project.org)，找到左侧Download下方CRAN，CRAN是用于安装R的一个下载库。

进入CRAN，这是R的一个国际化开发团队，下拉网页，找到China的下载镜像：
在这里插入图片描述

选择离自己地理位置最近的镜像文件链接，点进去再选择系统和相应安装包。
在这里插入图片描述
之后一路next安装，完成后命令行试一下：

2.R语言基础

w3cschhool：R语言教程

代码风格：

文件扩展名名：用大写字母 R。
命名规则：在任何时候都不要使用短横或者下划线。具体的详细格式应当有：
- 变量名：全小写，并使用句点分隔（avg.clicks）；或者不用句点而改用大写字母分隔（avgClicks）。
- 函数名：首字母大写，使用大写字母分隔（CalculateAvgClicks ）。不使用句点。
- 常量：命名类似函数，但是以小写字母 k 开头（kConstantName）。
行宽：最多80字符
缩进：两个空格而不是制表符。
空格：
- 在二元操作符（包括关系符和运算符，如 <- = + 等）的两侧加空格，除非它在函数调用语句中。
- 逗号的右侧空格。
- 左圆括号的左侧空格，除非它在函数调用语句中。
- 单语句断行时，对齐赋值符号而添加额外空格是允许的。
花括号：左花括号不单独一行，右花括号总是单独一行。如果有连续的花括号，这样书写：

if (condition) {
    one or more lines
  } else {
    one or more lines
  }

赋值符：使用 <- 而不使用 =。

3.RStudio安装

rstudio是R语言的IDE，做得非常好，就是rstudio为Keras提供了R语言接口。

RStudio的下载路径：https://www.rstudio.com/products/rstudio/download/

下载free版就行，下载下来是RStudio-1.0.153.dmg文件。直接拖进Application就可以了。

打开RStudio，新建工程：File -> New Project -> New Directory -> Empty Project（注意这种工程路径尽量也不要出现中文）
新建脚本：File -> New File -> R Script
在RStudio里写代码
选中要执行的代码，Code -> Run Selected Line(s)便可输出运行结果如下图所示。

3.安装Keras包

应该先检查一下有没有安装pip和virtualenv，有的话就不会有我以下的错误了。我这里完全记录一下我的过程，包括报错和解决。

1). R环境下执行命令：install.packages("keras"),镜像选了19（shanghai）
报错：

Warning message:
In doTryCatch(return(expr), name, parentenv, handler) :
  无法载入共享目标对象‘/Library/Frameworks/R.framework/Resources/modules//R_X11.so’：:
  dlopen(/Library/Frameworks/R.framework/Resources/modules//R_X11.so, 6): Library not loaded: /opt/X11/lib/libSM.6.dylib
  Referenced from: /Library/Frameworks/R.framework/Resources/modules//R_X11.so
  Reason: image not found

没处理，继续执行
2). library(keras)
3). install_keras()
报错：

Prerequisites for installing TensorFlow not available.

Execute the following at a terminal to install the prerequisites:

$ sudo /usr/bin/easy_install pip
$ sudo /usr/local/bin/pip install --upgrade virtualenv

4). 退出R环境执行：sudo /usr/bin/easy_install pip
报错：

error: Could not find suitable distribution for Requirement.parse('pip')

5). 解决4) 这个错误：

curl 'https://bootstrap.pypa.io/get-pip.py' > get-pip.p
sudo python get-pip.py

6). OK，继续3). 执行那两个命令：

$ sudo /usr/bin/easy_install pip
$ sudo /usr/local/bin/pip install --upgrade virtualenv

在这里插入图片描述
OK~
7). 再进入R环境，执行：

library(keras)
install_keras()

加载了好多好多进度条，终于：
在这里插入图片描述

补充：pip相关

你可以通过以下命令来判断是否已安装：

pip --version

如果你还未安装，则可以使用以下方法来安装：

$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py # 下载安装脚本
$ sudo python get-pip.py # 运行安装脚本

注意：用哪个版本的 Python 运行安装脚本，pip 就被关联到哪个版本，如果是 Python3 则执行以下命令：

$ sudo python3 get-pip.py # 运行安装脚本。

一般情况 pip 对应的是 Python 2.7，pip3 对应的是 Python 3.x。

pip 最常用命令:

pip --version #显示版本和路径
pip --help #获取帮助
pip install -U pip #升级 pip
#如果这个升级命令出现问题，可以使用以下命令：
sudo easy_install --upgrade pip

5.入门Demo-数字识别

MNIST算例 ：MNIST是非常著名的一个手写数字算例数据集，然后这个Demo，我们就是要运用深度学习方法来识别手写数字。

1）导入数据

library(keras)
mnist <- dataset_mnist()
x_train <- mnist$train$ x
y_train <- mnist$train$y
x_test <- mnist$test$x
y_test <- mnist$test$y

2）调整数据结构

#reshape
x_train <- array_reshape(x_train, c(nrow(x_train), 784))
x_test <- array_reshape(x_test, c(nrow(x_test), 784))
#rescale
x_train <- x_train / 255
x_test <- x_test / 255
y_train <- to_categorical(y_train, 10)
y_test <- to_categorical(y_test, 10)

3）定义模型

model <- keras_model_sequential()
model %>%
layer_dense(units = 256, activation = ‘relu’, input_shape = c(784)) %>%
layer_dropout(rate = 0.4) %>%
layer_dense(units = 128, activation = ‘relu’) %>%
layer_dropout(rate = 0.3) %>%
layer_dense(units = 10, activation = ‘softmax’)

4）设置优化项