Overview
因为想尝试一些深度学习模型，就用Keras开始建模（为什么使用Keras？）。而且由于之前使用的极其模型都是基于R语言的，所以我们依然尝试使用R语言版本的Keras来训练深度学习模型。
Keras的R语言接口
Keras本身就是一个基于Tensorflow、Theano以及CNTK编写的纯Python框架，因为方便易用，所以使用广泛，为了让R语言开发者也能在R中使用Keras，Taylor Arnold写了kerasR包，而RStudio公司开发了keras包，关于这两个包的区别，参见keras: Deep Learning in R。
这里我使用kerasR包为例，在Ubuntu 16.04的R中安装Keras，并提供一些链接进一步学习使用kerasR和Keras。
安装过程
安装pip
pip是一个很方面易用的Python包管理工具，使用pip``可以很方便地安装Tensorflow和Keras`。
使用下面的命令安装：
sudo apt-get install python-pip
默认你已经安装了Python，如果没装Python，使用下面的命令一起装了：
sudo apt-get install python-pip python-dev build-essential
安装之后查看pip的版本信息：
pip -V
想要升级pip：
sudo pip install --upgrade pip
注意：装了最新版本的pip（或者是升级到最新版本的pip），可能会报错，参考Python包管理软件pip更新后报错。
安装Tensorflow
因为Keras本身是Tensorflow运行的机器学习框架，所以安装Keras之前先安装Tensorflow：
sudo pip install tensorflow
这里我是用了系统权限sudo，如果没有系统权限，也可以不用。
如果想安装指定版本的Tensorflow，可以用下面的命令安装：
sudo pip install tensorflow==1.2.1
如果想安装GPU版本的Tensorflow，可以用下面的命令安装：
sudo pip install tensorflow-gpu
在安装Tensorflow的过程中可能会报类似于下面的错误：
Cannot uninstall 'enum34'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
这是因为安装Tensorflow需要安装enum34，在安装enum34时需要删除旧的enum34。而在删除旧的enum34时，版本依赖多，不能系统清晰的删除。所以需要手动安装enum34并忽略已经安装的版本：
sudo pip install nibabel --ignore-installed nibabel
然后重新安装Tensorflow就可以了。
安装Keras
sudo pip install keras
安装成功后，打开python命令行，导入一下Tensorflow：
>>> import keras as kr
Using TensorFlow backend.
说明Keras已经装好。
安装kerasR
先打开R语言命令行（最后使用sudo，这样可以将R包安装到系统目录）：
sudo R
安装kerasR
install.packages("kerasR")
安装成功后，导入kerasR，并检查状态：
library("kerasR")
keras_init()
如果不报错，就说明安装成功。
如果报了类似于下面的错误：
>> keras not available
>> See reticulate::use_python() to set python path,
>> then use kerasR::keras_init() to retry
就说明要么是Keras和Tensorflow没装好，要么是R找不到Python的路径。一般来说Python装在系统路径中，不会找不到。以防万一，可以查看下自己的Python路径，手动使用reticulate::use_python()函数加进去。比如在Ubuntu下面，一般是在/usr/bin/python，那就可以用下面的命令安装：
reticulate::use_python("/usr/bin/python")
使用kerasR
安装好之后，可以参考下面的链接来在真实数据集上运行几个例子：
因为kerasR只是Keras的一个R语言接口，所以使用kerasR之前还是要对Keras有一些了解。可以查看下面的链接快速了解Keras：
如果想快速上手一些Keras模型，可以查看下面的链接：