如何在不同conda环境中配置不同的keras后端？

这个问题我之前也踩过坑！默认情况下Keras会读取用户主目录下的~/.keras/keras.json全局配置文件，不管你激活哪个conda环境，只要调用Keras都会加载这个全局配置，所以改了一个环境的后端，所有环境都会跟着变。下面给你两种靠谱的解决方案，分别适配长期固定配置和临时切换的场景：

这种方法能让每个conda环境的Keras后端完全独立，不需要每次手动切换：

• 首先激活你要配置的目标conda环境，比如我要给tensorflow_env设置TensorFlow后端：

  conda activate tensorflow_env
  

• 在当前环境的根目录下创建专属的.keras文件夹（$CONDA_PREFIX是conda环境的根目录变量，激活环境后自动生效）：

  mkdir -p $CONDA_PREFIX/.keras
  

• 把全局的keras.json复制到这个专属文件夹，然后按需修改后端配置：

  cp ~/.keras/keras.json $CONDA_PREFIX/.keras/
  # 编辑这个文件，把"backend"字段改成你需要的值，比如"tensorflow"或"theano"
  

• 设置环境变量，让这个环境的Keras优先读取专属配置。我们把变量写入conda的激活脚本，这样每次激活环境都会自动生效：

  echo 'export KERAS_CONFIG=$CONDA_PREFIX/.keras/keras.json' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
  

• 为了避免退出环境后变量残留，再写入退出脚本：

  echo 'unset KERAS_CONFIG' >> $CONDA_PREFIX/etc/conda/deactivate.d/env_vars.sh
  

之后你可以给其他conda环境重复这个流程，设置不同的后端，彼此完全独立，不会互相影响。

如果只是临时需要在某个脚本里切换后端，不需要修改任何配置文件，只需在导入Keras之前设置环境变量：

import os
# 先设置后端，这里改成你需要的'tensorflow'/'theano'/'cntk'
os.environ['KERAS_BACKEND'] = 'tensorflow'
# 再导入Keras
import keras

你也可以在运行脚本时临时指定后端，不用改代码：

# 运行脚本时临时用TensorFlow后端
KERAS_BACKEND=tensorflow python your_script.py

补充说明：Keras配置的读取优先级 #

Keras会按照以下顺序读取后端配置：

1. 优先读取环境变量KERAS_BACKEND的值
2. 其次读取KERAS_CONFIG环境变量指定的配置文件
3. 如果以上都没有，才会加载全局的~/.keras/keras.json

上面的两种方案就是利用这个优先级实现了不同conda环境的后端隔离。

内容的提问来源于stack exchange，提问作者lee16