keras使用入门及3D卷积神经网络资源
keras模型
- Sequential模型
- 泛型模型
Sequential是多个网络层的线性堆叠。
以通过向Sequential模型传递一个layer的list来构造该模型
Sequential模型方法
- compile
- fit
- evaluate
- predict
简单的keras代码演示:
from keras.layers import Dense,Activation
from keras.models import Sequential
model = Sequential([Dense(10,input_dim=784),Activation('relu'),Dense(10),Activation('relu'),Dense(1),])
model.compile(optimizer='rmsprop',loss='binary_crossentropy',metrics=['accuracy'])
compile
目标函数objectives(目标函数,或称损失函数,是编译一个模型必须的两个参数之一)
model.compile(loss='mean_squared_error', optimizer='sgd')
以下是一些预定义的loss function
优化器optimizers (优化器是编译Keras模型必要的两个参数之一)
可以在调用model.compile()之前初始化一个优化器对象,然后传入该函数(如上所示),也可以在调用model.compile()时传递一个预定义优化器名。在后者情形下,优化器的参数将使用默认值。
<