Mastering TensorFlow 学习笔记（Keras篇）

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：

1. 创建模型
2. 在模型中创建和增加层
3. 编译模型
4. 训练模型
5. 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