Keras创建一个简单的模型

Keras创建一个模型的步骤如下：

（一）模型定义。定义模型的结构

（二）模型编译。指定损失函数和优化器，并调用模型的compile() 函数，完成模型编译

（三）训练模型。通过调用模型的fit() 函数来训练模型

（四）模型预测。调用模型的evaluate() 或者predicr() 等函数对新数据进行预测

 

定义模型的三种方法：

1.

# 方式一: 使用 .add() 方法将各层添加到模型中
# 导入相关包
from keras.models import Sequential
from keras.layers import Dense, Activation

# 选择模型，选择序贯模型（Sequential())
model = Sequential()

# 构建网络层
# 添加全连接层，输入784维,输出空间维度32
model.add(Dense(32, input_shape=(784,)))

# 添加激活层，激活函数是 relu
model.add(Activation('relu'))

# 打印模型概况
model.summary()

2.

# 方式二：网络层实例的列表构建序贯模型
# 导入相关的包
from keras.models import Sequential
from keras.layers import Dense, Activation

# 选择模型，选择序贯模型（Sequential())
# 通过将网络层实例的列表传递给 Sequential 的构造器，来创建一个 Sequential 模型
model = Sequential([
    Dense(32, input_shape=(784,)),
    Activation('relu')
])

# 打印模型概况
model.summary()

 

3.

# 方式三：函数式模型
# 导入相关的包
from keras.layers import Input, Dense,Activation
from keras.models import Model

# 输入层，返回一个张量 tensor
inputs = Input(shape=(784,))

# 全连接层，返回一个张量
output_1 = Dense(32)(inputs)

# 激活函数层
predictions= Activation(activation='relu')(output_1)

# 创建一个模型，包含输入层、全连接层和激活层
model = Model(inputs=inputs, outputs=predictions)

# 打印模型概况
model.summary()