Keras: 基于 Python 的深度学习库
简介
Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果,是做好研究的关键。
keras(深度学习框架)
训练过程小结
1.下载和读入数据集
from keras.datasets import 数据集
(x_train, y_train), (x_test, y_test) = 数据集.load_data()
2.将测试数据向量化
- 训练和测试数据向量化
x_train.astype('float32')
- 标签向量化(onehot编码)
to_categorical(y, num_classes=None, dtype='float32')
- 将整型的类别标签转为onehot编码。y为int数组,num_classes为标签类别总数,大于max(y)(标签从0开始的)
- 返回:如果num_classes=None,返回len(y) * [max(y)+1](维度,m*n表示m行n列矩阵,下同),否则为len(y) * num_classes)
3.构建网络
from keras.models
from keras.layers
Keras有两种类型的模型,序贯模型(Sequential)和函数式模型(Model),函数式模型应用更为广泛,序贯模型是函数式模型的一种特殊情况。
-
a)序贯模型(Sequential):单输入单输出,一条路通到底,层与层之间只有相邻关系,没有跨层连接。这种模型编译速度快,操作也比较简单
-
b)函数式模型(Model):多输入多输出,层与层之间任意连接。这种模型编译速度慢。
step1:model=models.Sequential()
:产生一个模型,在此基础上加各种层
setp2:model.add
:添加层;
step3: model.compile
编译模型
step4:model.fit
模型训练参数设置 + 训练;