keras使用入门及3D卷积神经网络资源

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。

<