机器学习专栏（47）：Keras人工神经网络入门指南（附完整代码与可视化）

Sonal_Lynn

已于 2025-05-01 20:28:45 修改

阅读量355

点赞数 5

分类专栏：人工智能专题文章标签：机器学习 keras 人工智能 python

于 2025-05-01 20:19:34 首次发布

本文链接：https://blog.csdn.net/Conan_0728/article/details/147654968

版权

一、从生物神经元到人工神经元的进化之路

1.1 生物启发与数学建模

McCulloch-Pitts神经元模型：

$y = \begin{cases} 1 & \text{if } \displaystyle\sum w_i x_i + b \geq 0 \\ 0 & \text{otherwise} \end{cases}$

现代激活函数进化：

import tensorflow as tf
import matplotlib.pyplot as plt

x = tf.linspace(-5., 5., 200)
activations = {
    "Sigmoid": tf.sigmoid,
    "ReLU": tf.nn.relu,
    "Swish": lambda x: x * tf.sigmoid(x)
}

plt.figure(figsize=(12, 6))
for i, (name, func) in enumerate(activations.items()):
    plt.subplot(1, 3, i+1)
    plt.plot(x, func(x))
    plt.title(name)
plt.tight_layout()

二、多层感知机（MLP）架构解析

2.1 手写数字识别实战

from tensorflow.keras import layers, models

# 构建MLP模型
model = models.Sequential([
    layers.Flatten(input_shape=(28, 28)),
    layers.Dense(512, activation='relu'),
    layers.Dropout(0.2),
    layers.Dense(256, activation='relu'),
    layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
             loss='sparse_categorical_crossentropy',
             metrics=['accuracy'])

2.2 模型结构可视化

from tensorflow.keras.utils import plot_model

plot_model(model, to_file='mlp_architecture.png', show_shapes=True)

三、Keras核心API实战指南

3.1 数据预处理流程

from tensorflow.keras.datasets import mnist

# 加载与预处理数据
(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train / 255.0
X_test = X_test / 255.0

# 添加通道维度（可选，适配不同后端）
# X_train = X_train[..., tf.newaxis]
# X_test = X_test[..., tf.newaxis]