看起来你是新来的。登录或注册开始。
祝你好运——我的设置清单如下:
------------------------
至于在RapidMiner中设置Keras(以及Keras需要的其他相关Python包)，这里是我在我的商店中的几个Dev机器上工作的方法(注意:所有的机器都运行Windows 7 64位，带有SP1 -所有机器都有16或32 GB的RAM和I7处理器)。
1.从快速矿工扩展市场安装Keras扩展到RapidMiner Studio
2.下载并安装Anaconda 3 (https://www.anaconda.com/)获取适当的版本(64位或32位)。
3.运行Anaconda导航器(现在应该在Windows程序组中)
4.使用Anaconda Navigator创建一个新环境。导航器(在撰写本文时)将建议使用Python 3.6，但也有一个Python 3.5的选项，选择Python 3.5，因为我知道RapidMiner Keras扩展是使用Python 3.5开发的。我把我的环境命名为py35。
5.在Anaconda创建环境后，打开Anaconda提示符(应该在开始菜单中作为快捷方式列出，或者在Anaconda程序组中)。虽然我不需要这样做，但您可以左键单击Anaconda提示符的图标，并选择“以管理员身份运行”。
6.您需要激活刚刚创建的新环境。从提示类型:activate 。如果将环境命名为py35，则输入:activate py35。然后按回车键。几秒钟后，Anaconda提示符将返回，并且环境将处于活动状态。新的环境名称现在应该是Anaconda提示符的一部分。
7.要查看新环境中现有Python包的列表，请键入conda list，然后键入Enter/Return。您应该看到一个简短的包列表。
8.现在需要安装更多的Python包。输入conda install pandas，然后回车。几秒钟后，系统将询问您是否要进行安装。输入y，将开始下载和安装pandas(和其他依赖包)。安装完成后，您将返回到环境的Anaconda提示符。
9.输入conda install scikit-learn，然后回车。确认您想要进行安装，然后它应该启动。安装完成后，您将返回到您的Anaconda环境的提示符。
10.现在需要安装一个名为Graphviz的包，这需要一些额外的步骤。去http://www.graphviz.org/下载graphviz-238.msi。然后运行您下载的msi文件来安装graphviz(这是一个Windows窗体应用程序)。
11.然后打开Windows控制面板，选择系统应用程序，然后选择高级系统设置->环境变量。将Graphviz可执行文件的路径添加到(至少)用户帐户的path环境变量中。要附加到现有PATH的值是C:\Program Files (x86)\ Graphviz2.38\bin在C:\Program Files (x86)\ Graphviz2.38\bin前面键入分号，以便将其与PATH语句中的前一个条目分开。为了更好地测量(尽管它可能不是严格必要的)，我还在我的path语句中添加了以下目录:
C:\Users\YourUserName\Anaconda3\envs\py35;C:\Users\YourUserNamel\Anaconda3\Scripts;C:\Users\YourUserName\Anaconda3\envs\py35\Lib\站点-packages(在键入另一个条目之前，请记住在C:\Program Files (x86)\ Graphviz2.38\bin后键入分号)。
将您的Windows用户帐户名称替换为上面的YourUserName。
11.要确认您的PATH环境变量值已更新，请打开命令窗口并键入PATH，然后输入。PATH环境变量的值将回显到屏幕上。如果您看到的不包括您刚刚添加的条目，则需要重新启动系统并再次检查。
12.假设您的PATH已经更新，您可以通过输入conda install graphviz，然后输入Enter(从您环境的Anaconda提示符中安装)(现在它也应该作为开始菜单的快捷方式显示，或者从Anaconda Program Group中显示)。
13.然后输入pip install pydot，然后回车来安装pydot包
14.最后但并非最不重要的是，通过输入conda install -c conda-forge Keras然后回车来安装Keras(最近更新到2.0.6版本)。在确认要进行安装之后，将安装Keras和许多依赖包，并且您将回到环境的Anaconda提示符。
15.如果你想使用Tensorboard来可视化你的模型，通过输入安装最新版本的Tensorflow和Tensorboard
PIP install——ignore-installed——upgrade tensorflow
然后回车。将安装相当多的软件包，然后您将回到Anaconda提示符。
有关Tensorflow和Tensorboard的信息，请访问https://www.tensorflow.org
如果您输入conda list，然后输入Enter，您将看到您的环境现在包含了更多的包。
最后一个配置步骤需要在RapidMiner Studio中进行，通过选择Settings -> Preferences并告诉RapidMiner Studio Python .exe在您的Python环境中的位置。默认情况下，完整路径应为:
C:\Users\ YourUserName \ Anaconda3 \ env \ YourEnvironmentName \ python.exe
单击Test命令按钮左侧的磁盘图标，并在环境中导航到Python .exe两次-一次是“Keras”选项，一次是“Preferences”对话框中的“Python Scripting”选项。确保两次都点击“测试”按钮。如果没有错误，您将得到一个消息框，说明在Anaconda中检测到Python。在我所有的Dev机器上，没有错误，希望你的系统上也没有错误。
上面的一些或所有设置命令可能不适用于Windows 10，但Windows 10确实允许你设置兼容模式来运行各种程序，所以尝试一下兼容性设置可能会有所帮助。
上面描述的安装是CPU安装，而不是GPU安装。GPU安装将更快地运行keras模型，但有硬件要求，安装很棘手。有关此主题的更多信息，请访问https://www.google.ca/search?q=keras + gpu + installation&oq = keras + gpu + installation&aqs = chrome . . 69 i57j69……
您现在应该(希望)能够运行RapidMiner提供的Keras示例，这些示例位于存储库中Keras samples条目下。
在浏览器中使用Tensorboard可视化深度学习输出完全是另一个主题，但是再次，希望这些注释将允许您运行Keras示例并促进您自己的开发工作。
-------------------------------------------
新手
答案
在社区re:设置Keras中有一个线程，但它似乎不再是在线的。我翻出了去年写的一篇文章的大部分内容，该文章详细描述了如何设置Keras扩展，希望对您有所帮助。
注:自去年写这篇文章以来，有些事情发生了变化。你会在我去年的帖子中看到，我提到安装Tensorboard是一个单独的步骤。当你安装Tensorflow时，Tensorboard的安装现在已经包含在内了。我还建议设置Python 3.5和3.6环境，看看哪个效果最好。据我所知，RapidMiner的Keras扩展是在依赖于Python 3.5的情况下编写的——事实上，我的Keras设置使用的是Python 3.5，尽管3.5不是Python的最新版本，所以你可能想要使用Python 3.5。
注意:我下面的设置是在Windows系统，而不是Mac OS系统。
祝你好运——我的设置清单如下:
------------------------
至于在RapidMiner中设置Keras(以及Keras需要的其他相关Python包)，这里是我在我的商店中的几个Dev机器上工作的方法(注意:所有的机器都运行Windows 7 64位，带有SP1 -所有机器都有16或32 GB的RAM和I7处理器)。
1.从快速矿工扩展市场安装Keras扩展到RapidMiner Studio
2.下载并安装Anaconda 3 (https://www.anaconda.com/)获取适当的版本(64位或32位)。
3.运行Anaconda导航器(现在应该在Windows程序组中)
4.使用Anaconda Navigator创建一个新环境。导航器(在撰写本文时)将建议使用Python 3.6，但也有一个Python 3.5的选项，选择Python 3.5，因为我知道RapidMiner Keras扩展是使用Python 3.5开发的。我把我的环境命名为py35。
5.在Anaconda创建环境后，打开Anaconda提示符(应该在开始菜单中作为快捷方式列出，或者在Anaconda程序组中)。虽然我不需要这样做，但您可以左键单击Anaconda提示符的图标，并选择“以管理员身份运行”。
6.您需要激活刚刚创建的新环境。从提示类型:activate。如果将环境命名为py35，则输入:activate py35。然后按回车键。几秒钟后，Anaconda提示符将返回，并且环境将处于活动状态。新的环境名称现在应该是Anaconda提示符的一部分。
7.要查看新环境中现有Python包的列表，请键入conda list，然后键入Enter/Return。您应该看到一个简短的包列表。
8.现在需要安装更多的Python包。输入conda install pandas，然后回车。几秒钟后，系统将询问您是否要进行安装。输入y，将开始下载和安装pandas(和其他依赖包)。安装完成后，您将返回到环境的Anaconda提示符。
9.输入conda install scikit-learn，然后回车。确认您想要进行安装，然后它应该启动。安装完成后，您将返回到您的Anaconda环境的提示符。
10.现在需要安装一个名为Graphviz的包，这需要一些额外的步骤。去http://www.graphviz.org/下载graphviz-238.msi。然后运行您下载的msi文件来安装graphviz(这是一个Windows窗体应用程序)。
11.然后打开Windows控制面板，选择系统应用程序，然后选择高级系统设置->环境变量。将Graphviz可执行文件的路径添加到(至少)用户帐户的path环境变量中。要附加到现有PATH的值是C:\Program Files (x86)\ Graphviz2.38\bin在C:\Program Files (x86)\ Graphviz2.38\bin前面键入分号，以便将其与PATH语句中的前一个条目分开。为了更好地测量(尽管它可能不是严格必要的)，我还在我的path语句中添加了以下目录:
C:\Users\YourUserName\Anaconda3\envs\py35;C:\Users\YourUserNamel\Anaconda3\Scripts;C:\Users\YourUserName\Anaconda3\envs\py35\Lib\站点-packages(在键入另一个条目之前，请记住在C:\Program Files (x86)\ Graphviz2.38\bin后键入分号)。
将您的Windows用户帐户名称替换为上面的YourUserName。
11.要确认您的PATH环境变量值已更新，请打开命令窗口并键入PATH，然后输入。PATH环境变量的值将回显到屏幕上。如果您看到的不包括您刚刚添加的条目，则需要重新启动系统并再次检查。
12.假设您的PATH已经更新，您可以通过输入conda install graphviz，然后输入Enter(从您环境的Anaconda提示符中安装)(现在它也应该作为开始菜单的快捷方式显示，或者从Anaconda Program Group中显示)。
13.然后输入pip install pydot，然后回车来安装pydot包
14.最后但并非最不重要的是，通过输入conda install -c conda-forge Keras然后回车来安装Keras(最近更新到2.0.6版本)。在确认要进行安装之后，将安装Keras和许多依赖包，并且您将回到环境的Anaconda提示符。
15.如果你想使用Tensorboard来可视化你的模型，通过输入安装最新版本的Tensorflow和Tensorboard
PIP install——ignore-installed——upgrade tensorflow
然后回车。将安装相当多的软件包，然后您将回到Anaconda提示符。
有关Tensorflow和Tensorboard的信息，请访问https://www.tensorflow.org
如果您输入conda list，然后输入Enter，您将看到您的环境现在包含了更多的包。
最后一个配置步骤需要在RapidMiner Studio中进行，通过选择Settings -> Preferences并告诉RapidMiner Studio Python .exe在您的Python环境中的位置。默认情况下，完整路径应为:
C:\Users\ YourUserName \ Anaconda3 \ env \ YourEnvironmentName \ python.exe
单击Test命令按钮左侧的磁盘图标，并在环境中导航到Python .exe两次-一次是“Keras”选项，一次是“Preferences”对话框中的“Python Scripting”选项。确保两次都点击“测试”按钮。如果没有错误，您将得到一个消息框，说明在Anaconda中检测到Python。在我所有的Dev机器上，没有错误，希望你的系统上也没有错误。
上面的一些或所有设置命令可能不适用于Windows 10，但Windows 10确实允许你设置兼容模式来运行各种程序，所以尝试一下兼容性设置可能会有所帮助。
上面描述的安装是CPU安装，而不是GPU安装。GPU安装将更快地运行keras模型，但有硬件要求，安装很棘手。有关此主题的更多信息，请访问https://www.google.ca/search?q=keras + gpu + installation&oq = keras + gpu + installation&aqs = chrome . . 69 i57j69……
您现在应该(希望)能够运行RapidMiner提供的Keras示例，这些示例位于存储库中Keras samples条目下。
在浏览器中使用Tensorboard可视化深度学习输出完全是另一个主题，但是再次，希望这些注释将允许您运行Keras示例并促进您自己的开发工作。
-------------------------------------------