mac环境下使用Keras构建深度学习模型—python

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