Pycharm에서 Keras 설치하여 사용하는 방법은?!

파이참은 파이썬 인터프리터를 지정할 수 있다. 그래서, 지정한 인터프리터에 케라스가 설치되어 있어야, 파이참에서 케라스를 이용할 수 있다. 케라스는 텐서플로우를 좀 더 사용하기 쉽도록 래핑한 패키지이다. Pycharm에서 Keras를 이용하기 위해서는 결국 파이썬에 Keras를 설치해야 한다.

오늘은 Pycharm에서 Keras를 설치하여 사용하는 방법에 대해서 알아보도록 하겠다.

필자는 그냥 파이썬을 사용하는 것보다 아나콘다 배포판을 설치하여 사용할 것을 권장하고 있다. 아나콘다 배포판에는 데이터 분석과 관련된 패키지들이 포함되어 있어, 사용하기 편리하기 때문이다.
( 참조: 파이썬(python) - 아나콘다(anaconda) 배포판 설치하기 )

하지만, 아쉽게도 아나콘다 배포판에는 케라스가 포함되어 있지 않다. 별도로 케라스를 설치해야 한다. 케라스는 pip install keras로 손쉽게 설치할 수 있다. 아니면, 파이참의 환경설정 메뉴에서도 설치가 가능하다. 파이참에서 패키지를 설치하는 방법은 이전 포스팅에서 다루었으니 참고하길 바란다.
( 참조: 파이썬을 위해 pycharm(파이참)을 써야만 하는 이유 5가지! #pycharm설치 )

케라스는 텐서플로우를 래핑한 패키지이다. 그래서, 텐서플로우도 같이 설치될 줄 알았는데 별도로 설치해야 한다. pip install tensorflow를 실행하여 텐서플로우 패키지도 설치해주자.

텐서플로우는 버전에 따라 코드를 수정하거나 충돌이 있을 수 있으므로, 가상환경에서 사용하는 것을 권장하고 있다. 동일하게 케라스도 가상환경에서 이용하는 것이 더 안전하지 않을까 싶다. 가상환경은 별도로 독립된 파이썬 환경을 구축하는 것이다. 해당 환경에 설치한 패키지는 이 환경에서만 사용이 가능하다. 다른 곳에서 파이썬 패키지를 설치한 것에도 영향을 받지 않는다.

파이참에서는 프로젝트를 새로 만들 때 가상환경으로 만들 수 있는 옵션이 있다. 새로운 프로젝트를 만들려고 하면, 아래와 같이 Create Project 팝업이 뜬다. 여기서 Location 밑에 보면 Project Interpreter라고 적혀 있다. 이 곳을 클릭하면, 새롭게 가상환경을 만드는 옵션이 있다. 'New environmetnnt using'을 선택하고, 뒤에 리스트박스에서 'Virtualenv'을 고른다. 이제 프로젝트를 만들면 별도의 가상환경을 생성한다.

( 파이참 가상환경 만들기 )

터미널에서 가상환경을 만드는 방법은 아래 포스팅을 참조해보자.
( 참조: 파이썬 가상환경 만들기 )

간단한 케라스 구문을 입력하고 실행해보았다. 정상적으로 잘 동작하는 것을 확인할 수 있었다.

from keras.datasets import mnist

from keras import models

from keras import layers

from keras.utils import to_categorical

(train_images, train_labels),(test_images, test_labels) = mnist.load_data()

network = models.Sequential()

network.add(layers.Dense(512, activation = 'relu', input_shape = (28*28, )))

network.add(layers.Dense(10, activation = 'softmax'))

network.compile(optimizer = 'rmsprop', loss='categorical_crossentropy',

                metrics=['accuracy'])

train_images = train_images.reshape((60000, 28*28))

train_images = train_images.astype('float32') / 255

test_images = test_images.reshape((10000, 28*28))

test_images = test_images.astype('float32') / 255

train_labels = to_categorical(train_labels)

test_labels = to_categorical(test_labels)

network.fit(train_images, train_labels, epochs=5, batch_size=128)

test_loss, test_acc = network.evaluate(test_images, test_labels)

print("test_acc: {}".format(test_acc))

단순한 모형은 CPU환경에서도 돌아가지만, GPU가 아쉬운 것은 사실이다. 다행히 구글에서 GPU를 이용할 수 있는 온라인 환경을 제공하고 있다. PC에서 테스트를 해보고 해당 서비스를 이용하면, 딥러닝을 하는 데 많은 도움이 될 듯 하다. 자세한 내용은 아래 포스팅을 참조해보자.
( 참조: 파이썬 설치 없이 무료로 사용하는 방법!(GPU까지) )

오늘은 이렇게 Pycharm에서 Keras를 설치하고 이용하는 방법에 대해서 알아보았다. 파이썬 패키지 설치 명령을 통해 쉽게 설치할 수 있었다. 파이참에서 가상환경을 만들고, 딥러닝 모델을 테스트 해 볼수 있다. GPU가 필요하다면 구글의 코랩을 이용해보도록 하자.