Keras

最新推荐文章于 2024-08-17 11:24:13 发布

One__Coder

最新推荐文章于 2024-08-17 11:24:13 发布

阅读量6.7k

点赞数 1

分类专栏： Machine Learning

本文链接：https://blog.csdn.net/github_37973614/article/details/81127359

版权

Keras是一个基于Python的深度学习库，支持Theano和TensorFlow。它提供简易和快速的原型设计，适用于CNN和RNN。Keras的模型分为序贯模型和函数式模型，其中函数式模型更为灵活。此外，Keras的组件如神经层、损失函数、优化器等都是独立模块，可自由组合。Dense层是Keras中常用的一个全连接层，BatchNormalization层有助于训练过程中的梯度问题和加速收敛。

摘要由CSDN通过智能技术生成

Keras是由纯python编写的基于theano/tensorflow的深度学习框架。Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如果有如下需求，可以优先选择Keras：

a）简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）

b）支持CNN和RNN，或二者的结合

c）无缝CPU和GPU切换

Keras模块结构：

使用Keras搭建一个神经网络：

【【【一些概念：

（1）目前主要有两种方式来表示张量： a) th模式或channels_first模式，Theano和caffe使用此模式。b）tf模式或channels_last模式，TensorFlow使用此模式。

例：对于100张RGB3通道的16×32（高为16宽为32）彩色图，th表示方式：（100,3,16,32）；tf表示方式：（100,16,32,3）。唯一的区别就是表示通道个数3的位置不一样。

（2）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。

（3）neural layers(神经层), cost functions(损失函数), optimizers(优化器), initialization schemes(初始化方案), activation functions(激活函数), regularization(正则化项)在keras中都是独立的模块，可以自由组合。】】】

以上内容来自：https://blog.csdn.net/zdy0_2004