上一篇博客介绍了反向传播算法的理论部分,这一篇博客将利用python的模块Keras开始神经网络算法的实战。
目录
Keras介绍
常用的神经网络模块还包括TensorFlow和Theano,这两个模块有着高度的灵活性,可定制化程度极高,可以理解为一个微分器,学习难度大,Keras是TensorFlow和Theano的interface,使用Keras是在调用TensorFlow,并且也有着一定的灵活性,且学习难度低。
Keras使用
step1
keras的使用按照神经网络层次逐一添加神经层,
import keras
from keras.layers import Activation, Dense
from keras import Sequential
#定义一个神经网络类
model = Sequential()
#添加第一个隐藏层,输入的参数是28*28维,第一层神经元个数为500,激活函数全部设置为‘sigmoid’
model.add(Dense(input_dim=28*28,output_dim=500))
model.add(Activation('sigmoid'))
#添加第二个隐藏层,设置第二层神经元个数也为500,激活函数全部设置为‘sigmoid’
model.add(Dense(output_dim=500))
model.add(Activation('sigmoid'))
#添加输出层,输出参数是10维,激活函数全部设置为多分类函数‘softmax’
model.add(Dense(output_dim=10))
model.add(Activation('softmax'))