Keras 是允许TensorFlow 作为后端深度学习的高级库。TensorFlow团队把Keras囊括到了TensorFlow内核中,用tf.keras作为组件。除了TensorFlow,Keras也支持Theano 和CNTK。
本节我们有以下内容:
- 安装Keras
- 在Keras中创建模型的工作流
- 通过连续的和功能的API创建Keras模型
- Keras层
- 通过连续的和功能的API创建和增加层
- 汇编Keras层
- 训练Keras模型
- 预测Keras模型
- Keras额外的模块
- MNIST 数据集的Keras连续的模型实例
1.1安装Keras
pip install keras
1.2 在Keras中创建模型的工作流
以下是通过Keras创建的简单工作流:
- 创建模型
- 在模型中创建和增加层
- 编译模型
- 训练模型
- 用模型进行预测和计算
1.2.1创建Keeras模型
我们可以用顺序API或者模块API创建Keras模型。以下我们分别都创建了模型实例
1.2.1.1顺序API创建Keras模型
我们用如下代码创建空模型(顺序API)
model = Sequential()
现在我们可以在这个模型中加入层,我们会在下一节进行讲解
我们也可以通过构造函数通过所有的层:代码如下所示:
model = Sequential([ Dense(10, input_shape=(256,)),
Activation('tanh'),
Dense(10),
Activation('softmax')
])
1.2.1.2功能API创建Keras 模型
我们用如下代码创建空模型(功能API):
model = Model(inputs=tensor1,outputs=tensor2)
在上述代码中,tensor1和tensor2都是tensors或者其他可以看做tensors的objects,例如:Keras layer objects
如果有多于一个输入和输出张量,可以变成一个列表,如下所示:
model = Model(inputs=[i1,i2,i3],outputs=[o1,o2,o3])
1.2.2 Keras层
Keras提供多种层类可以轻松构建网络架构