keras学习笔记（一）

最新推荐文章于 2023-02-18 14:54:52 发布

Ding_xiaofei

最新推荐文章于 2023-02-18 14:54:52 发布

阅读量632

点赞数

分类专栏：深度学习

本文链接：https://blog.csdn.net/Ding_xiaofei/article/details/81100741

版权

这篇博客介绍了如何使用Keras构建一个完整的分类模型，涵盖了基于多层感知机的softmax多分类以及MLP的二分类方法，同时也探讨了卷积分类的应用。

摘要由CSDN通过智能技术生成

一个完整的分类模型

from keras.layers import Input, Dense
from keras.models import Model

# This returns a tensor
inputs = Input(shape=(784,))

# a layer instance is callable on a tensor, and returns a tensor
x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
predictions = Dense(10, activation='softmax')(x)

# This creates a model that includes
# the Input layer and three Dense layers
model = Model(inputs=inputs, outputs=predictions)
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit(data, labels)  # starts training

基于多层感知机的softmax多分类

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.optimizers import SGD

# Generate dummy data
import numpy as np
x_train = np.random.random((1000, 20))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(