Keras
Keras是一个由Python编写的开源人工神经网络库,可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化 。
Keras的核心数据结构是model,最简单的模型是Sequential顺序模型。
简单上手
Sequential模型
from keras.models import Sequential
model = Sequential()
用.add()堆叠模型
from Kerls.layers import Dense
model.add(Dense(units=64, activation='relu',input_dim=100))
model.add(Dense(units=10, activation='softmax'))
使用.compile() 配置学习过程
model.compile(loss='categorical_crossentropy',
optimizer='sjd',
metrics=['accuracy'])
配置自己的优化器(展现源代码的易扩展性)
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.SGD(lr=0.01, momentum=0.9, nesterov=True))
批量在训练数据上进行迭代
model.fit(x_train, y_train, epochs=5, batch_size=32)
手动将批次的数据提供给模型
model.train_on_batch(x_batch, y_batch)
评估模型性能
loss_and_metrics = model.evaluate(x_test, y_text, batch_size=128)
对新的数据生成预测
classes = model.predict(x_text, batch_size=128)