在深度学习的项目中使用Keras,可以将精力放置在如何构建模型上。序贯模型(Sequential)是多个网络层的线性堆叠,实在深度学习中很常见的一种模型。当创建一个序贯模型时,按照希望执行计算的顺序向其添加图层。一旦完成定义,通过使用底层框架编译模型来优化模型计算。在编译模型时。可以指定要使用的损失函数和优化器来优化模型。
一旦完成模型编译,就可以使用数据集来训练模型。魔性训练可以一次使用一批数据(数据量比较大的时候,可以将数据分成几个Batch,多次循环输入数据,来完成模型训练),也可以通过使用整个数据集来完成模型训练。模型训练就是所有的计算发生的地方。模型训练完成后,可以使用模型对新数据进行预测。通过Keras构建深度学习模型的步骤如下:
(1)定义模型——创建一个序贯模型并添加配置层。
(2)编译模型——指定损失函数和优化器,并调用模型的compile() 函数,完成模型编译。
(3)训练模型——通过调用模型的fit() 函数来训练模型。
(4)执行预测——调用模型的evaluate() 或 predict() 等函数对新数据进行预测。
demo