开发环境:
Win10 Anaconda3 Python3.6
处理器:AMD A8-7100 Radeon R5,8 Compute Cores 4C+4G
数据集:
mnist
准备工作:
安装theano
(此处注意最好安装>0.8版本的,不然后面可能出bug)
安装keras
安装data
了解backend
个人对backend理解就是这个网络的底层架构是基于什么搭建的。初次安装keras,默认的backend是tensorflow,但是目前看来theano比TensorFlow更灵活,适应的环境更多,更主要的是我是用的是theano。。。。
首先可以在工作区输入
你会得到一个反馈
using tensorflow backend(第一次安装使用时)
比较简单的修改方法:
在.keras.里面有个keras.json的文件,打开,把有tensorflow的那一行里面的tensorflow改成theano,然后全部复制,删除掉这里面的代码,在粘贴(貌似不这么做就没用,虽然只改了一个tensorflow)
这个时候在python里面再试着输入
就会反馈
using theano backend
开始搭建CNN:
(正片开始)
这次我们尝试搭建一个含有两个卷积层两个下采样层(池化层)两个全连接层的CNN
因为keras本身具有很多函数,所以在搭建的时候会省事很多
Win10 Anaconda3 Python3.6
处理器:AMD A8-7100 Radeon R5,8 Compute Cores 4C+4G
数据集:
mnist
准备工作:
安装theano
pip install theano
(此处注意最好安装>0.8版本的,不然后面可能出bug)
安装keras
pip install keras
安装data
pip install data
了解backend
个人对backend理解就是这个网络的底层架构是基于什么搭建的。初次安装keras,默认的backend是tensorflow,但是目前看来theano比TensorFlow更灵活,适应的环境更多,更主要的是我是用的是theano。。。。
首先可以在工作区输入
import keras
你会得到一个反馈
using tensorflow backend(第一次安装使用时)
比较简单的修改方法:
在.keras.里面有个keras.json的文件,打开,把有tensorflow的那一行里面的tensorflow改成theano,然后全部复制,删除掉这里面的代码,在粘贴(貌似不这么做就没用,虽然只改了一个tensorflow)
这个时候在python里面再试着输入
import keras
就会反馈
using theano backend
开始搭建CNN:
(正片开始)
这次我们尝试搭建一个含有两个卷积层两个下采样层(池化层)两个全连接层的CNN
因为keras本身具有很多函数,所以在搭建的时候会省事很多
from keras.datasets import m