Keras是一种紧凑、易于学习的高级Python库,运行在TensorFlow框架之上。它专注于理解深度学习技术,例如创建神经网络层并保持形状和数学细节的概念。创建框架可以有以下两种类型:
1. 顺序API(Sequential API)
2. 功能API(Functional API)
考虑以下八个步骤来创建Keras中的深度学习模型 -
1. 加载数据
2. 预处理加载的数据
3. 定义模型
4. 编译模型
5. 训练指定的模型
6. 评估模型
7. 进行所需的预测
8. 保存模型
我们将使用Jupyter Notebook来执行并显示如下所示的输出 -
第一步 - 首先实施加载数据和预处理加载数据,以执行深度学习模型。
import warnings
warnings.filterwarnings('ignore')
import numpy as np
np.random.seed(123) # for reproducibility
from keras.models import Sequential
from keras.layers import Flatten, MaxPool2D, Conv2D, Dense, Reshape, Dropout
from keras.utils import np_utils
Using TensorFlow backend.
fro