今天我们来学习一下 Keras。
Keras 是一个用 Python 编写的高级神经网络 API,能够用 TensorFlow 或者 Theano 作为后端运行。是由 Francois Chollet 在 Google 工作时开发的,用于构建深度学习模型。
Keras 是为了实现快速实验和快速原型设计的,让开发者能够用最短的时间把想法转换为实验结果。用 Keras 可以非常快速地上手深度学习,搭建各种神经网络,现在在工业界和学术界都被广泛地采用。
我们这门课程的主体是学习用 TensorFlow 来解决问题,但是在一些比较复杂问题的实战应用上,我们会采用 Keras 来实现,这样可以让项目快速落地。
本文结构:
- 用 Keras 解决深度学习问题的一般流程
- 用 Keras 识别 MNIST 数据集
- 模型的改进
- Keras 中常用模块简介
1. 用 Keras 解决深度学习问题的一般流程
关于安装,我们可以从官网找到各种方法,这里就不赘述:https://keras.io/zh/#_2
接下来我们用一个例子来看如何用 Keras 搭建神经网络并解决问题。
首先,用 Keras 解决深度学习问题的一般流程可以分为 8 个步骤,如下图所示:
2. 用 Keras 识别 MNIST 数据集