基于Theano的深度学习(Deep Learning)框架Keras学习随笔-05-模型

原地址：http://blog.csdn.net/niuwei22007/article/details/49207187可以查看更多文章

介绍完了优化器和目标函数，那么剩下的就是训练模型了。这一小节，我们来看一下Keras的Models是如何使用的。Keras可以建立两种模型，一种是线性叠加的，层与层之间是全连接的方式，一个输入，一个输出；另外一种是图型的，输入与输出数量任意，并且可以指定层与层之间的部分连接方式。

一、Sequential（线性叠加模型）方法及属性介绍

model = keras.models.Sequential()

线性叠加模型就是把每一层按照次序叠加起来，每层之间采用全连接方式。下面看一下对象model都有哪些方法。

add(layer):往model里边增加一层 

compile(optimizer, loss, class_model=”categorical”):

参数：

• optimizer：指定模型训练的优化器；
• loss：目标函数；
• class_mode: ”categorical”和”binary”中的一个，只是用来计算分类的精确度或using the predict_classes method
• theano_mode: Atheano.compile.mode.Mode instance controllingspecifying compilation options 

fit(X, y, batch_size=128, nb_epoch=100, verbose=1, validation_split=0,validation_data=None,shuffle=True,show_accuracy=False,callbacks=[],class_weight=Noe, sample_weight=None):用于训练一个固定迭代次数的模型

返回：记录字典，包括每一次迭代的训练误差率和验证误差率；

参数：

• X：训练数据
• y : 标签
• batch_size : 每次训练和梯度更新块的大小。
• nb_epoch: 迭代次数。
• verbose : 进度表示方式。0表示不显示数据，1表示显示进度条，2表示用只显示一个数据。
• callbacks : 回调函数列表。就是函数执行完后自动调用的函数列表。
• validation_split : 验证数据的使用比例。
• validation_data : 被用来作为验证数据的(X, y)元组。会代替validation_split所划分的验证数据。
• shuffle : 类型为boolean或 str(‘batch’)。是否对每一次迭代的样本进行shuffle操作（可以参见博文Theano学习笔记01--Dimshuffle()函数）。’batch’是一个用于处理HDF5（keras用于存储权值的数据格式）数据的特殊选项。
• show_accuracy:每次迭代是否显示分类准确度。
• class_weigh