请在学习本节前阅读我们之前的预热课程:
卷积神经网络的框架解读(上)_BBM的开源HUB的博客-CSDN博客
卷积神经网络的框架解读(下)_BBM的开源HUB的博客-CSDN博客
从本节开始,我们将进入到Keras的详细介绍和代码精读,为开始我们的Keras之行,我们首先要搭建一个学习平台。现在让我们开始吧。
一:环境准备
1、安装anaconda
下载地址:Anaconda | Individual Edition
根据需要,下载你需要版本,如果你是windows操作系统就下载:“64-Bit Graphical Installer ”,如果你是linux就下载:64-Bit (x86) Installer,下载完后,安装anaconda。
Windows平台
双击安装文件Anaconda3-2021.11-Windows-x86_64.exe开始安装,注意在这里要全部选上:
注意安装文件的文件名,可以在不同时期会因为版本号的不同有变化,大家可灵活安装
Linux平台
bash Anaconda3-2021.11-Linux-x86_64.sh
linux平台在阅读授权文件后,就是一路yes,安装完后,重启电脑。
2、创建工作环境
conda create -n keras python=3.8
3、进入工作环境
conda activate keras
4、安装tensorflow
电脑仅有CPU的安装这个
conda install tensorflow
电脑有GPU的安装这个
conda install tensorflow-gpu
其他关联包的安装
conda install tensorboard
安装keras
conda install keras
二:安装编译环境
我们这里介绍使用jupyter,主要原因是代码量比较小,同时在做深度学习的时候可以对每一行代码进行调试,所以这里我们使用jupyter搭建编译环境。
conda install nb_conda
启动jupyter
jupyter notebook &
启动后的界面如下:
在New处创建一个新的notebook,如下图:
三:安装环境的验证及keras初体验
1、在第一行,我们导入keras输入:
import keras
2、导入模型,我们以序惯模型为例
from keras.models import Sequential
3、定义模型对象
Model = Sequential()
4、添加模块
Model.add(layer)
5、导入全连结层
from keras.layer import Dense
6、导入优化器
from keras import optimizers
7、使用随机梯度下降法
optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False)
lr : learn rate, momentum : 冲量, decay : 衰减函数, netsterov:是否使用牛顿动量
四:keras函数简介
显示keras的功能模块和简介。
dir (keras)
['Input',
'Model',
'RandomRotation',
'Sequential', #上面这四个模块是以前的老模块,新的版本已将融合到下面的模块里去了。
'__builtins__',
'__cached__',
'__doc__',
'__file__',
'__loader__',
'__name__',
'__package__',
'__path__',
'__spec__',
'__version__', #这十个是内置函数
'activations', #激活函数
'applications', #应用,里面提供了训练好的keras模型
'backend', #后端函数,keras通过他调用后端函数。
'callbacks', #回调函数,在高阶应用时训练网络内部的状态。
'constraints', #约束项
'datasets', #keras自带的数据集
'engine', #引擎模块,是列层的核心代码
'initializers', #初始化方法
'layers', #重点层,比如dense,
'losses', #损失函数,比如均方差,交差商等,用来衡量网络训练的好坏。
'metrics', #评估函数,用他来评价神经网络的性能
'models', #模型库
'optimizers', #优化器,编译用的模块
'preprocessing', #预处理模块
'regularizers', #正则化方法,防止神经网在训练过程中的过拟合。
'utils', #工具模块,包括数据转换和一些数学方法
'wrappers' ] #包装器