Keras Core 深度学习框架指南

束慧可Melville

于 2024-08-23 09:14:08 发布

阅读量322

点赞数 5

本文链接：https://blog.csdn.net/gitblog_01076/article/details/141453063

版权

Keras Core 深度学习框架指南

keras-coreA multi-backend implementation of the Keras API, with support for TensorFlow, JAX, and PyTorch.项目地址:https://gitcode.com/gh_mirrors/ke/keras-core

项目介绍

Keras Core 是一个高度模块化、极其灵活的深度学习库，由 Keras 团队维护，旨在简化神经网络的构建、训练与部署过程。它支持快速原型设计，允许研究人员和开发者以简洁明了的方式搭建复杂的模型。Keras Core 兼容 TensorFlow、PyTorch 等主流后端，让开发者能够在不同的环境中无缝切换。

项目快速启动

要快速启动使用 Keras Core，首先确保你的环境中已经安装了必要的库。可以通过以下命令安装 Keras Core（假设你已经有了 Python 和适当的依赖如 TensorFlow 或 PyTorch）：

pip install keras-core

示例代码：构建基本神经网络模型

接下来，我们创建一个简单的神经网络用于 MNIST 数据集分类：

import keras_core as keras
from keras_core import layers
from keras_core.datasets import mnist
from keras_core.utils import to_categorical

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(-1, 784).astype('float32') / 255
x_test = x_test.reshape(-1, 784).astype('float32') / 255
y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)

model = keras.models.Sequential([
    layers.Dense(64, activation='relu', input_shape=(784,)),
    layers.Dropout(0.5),
    layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

history = model.fit(x_train, y_train, epochs=10, validation_split=0.1)
score = model.evaluate(x_test, y_test, verbose=0)
print(f'Test accuracy: {score[1]}')

这段代码展示了如何定义一个简单的全连接网络，并用 MNIST 数据集进行训练和评估。