Keras官方中文文档：常见问题与解答

所属分类： Keras

Keras FAQ：常见问题

• 如何引用Keras？
• 如何使Keras调用GPU？
• 如何在多张GPU卡上使用Keras
• "batch", "epoch"和"sample"都是啥意思？
• 如何保存Keras模型？
• 为什么训练误差(loss)比测试误差高很多？
• 如何获取中间层的输出？
• 如何利用Keras处理超过机器内存的数据集？
• 当验证集的loss不再下降时，如何中断训练？
• 验证集是如何从训练集中分割出来的？
• 训练数据在训练时会被随机洗乱吗？
• 如何在每个epoch后记录训练/测试的loss和正确率？
• 如何使用状态RNN（statful RNN）？
• 如何“冻结”网络的层？
• 如何从Sequential模型中去除一个层？
• 如何在Keras中使用预训练的模型
• 如何在Keras中使用HDF5输入？
• Keras的配置文件存储在哪里？
• 在使用Keras开发过程中，我如何获得可复现的结果？

---

如何引用Keras？

如果Keras对你的研究有帮助的话，请在你的文章中引用Keras。这里是一个使用BibTex的例子

@misc{chollet2015keras,
  author = {Chollet, François and others},
  title = {Keras},
  year = {2015},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/fchollet/keras}}
}

---

如何使Keras调用GPU？

如果采用TensorFlow作为后端，当机器上有可用的GPU时，代码会自动调用GPU进行并行计算。如果使用Theano作为后端，可以通过以下方法设置：

方法1：使用Theano标记

在执行python脚本时使用下面的命令：

THEANO_FLAGS=device=gpu,floatX=float32 python my_keras_script.py

方法2：设置.theano文件

点击这里查看指导教程

方法3：在代码的开头处手动设置theano.config.device和theano.config.floatX

    import theano
    theano.config.device = 'gpu'
    theano.config.floatX = 'float32'

如何在多张GPU卡上使用Keras？

我们建议有多张GPU卡可用时，使用TnesorFlow后端。

有两种方法可以在多张GPU上运行一个模型：数据并行/设备并行

大多数情况下，你需要的很可能是“数据并行”

数据并行

数据并行将目标模型在多个设备上各复制一份，并使用每个设备上的复制品处理整个数据集的不同部分数据。Keras在keras.utils.multi_gpu_model中提供有内置函数，该函数可以产生任意模型的数据并行版本，最高支持在8片GPU上并行。
请参考utils中的multi_gpu_model文档。 下面是一个例子：

from keras.utils import multi_gpu_model

# Replicates `model` on 8 GPUs.
# This assumes that your machine has 8 available GPUs.
parallel_model = multi_gpu_model(model, gpus