Keras中有两类深度学习的模型:序列(Sequential)式模型和函数(Functional)式模型。两种模型的实施步骤基本相同,通常包括以下步骤:
第1步:构造数据:定义输入数据
第2步:构造模型(model.add,或model.layers):确定各个变量之间的计算关系
第3步:编译模型(model.compile):编译以确定其内部细节
第4步:训练模型model.fit):导入数据,训练模型
第5步:评估或测试模型(model.evaluate)
第6步:保存模型
利用Keras架构实现一个传统机器学习算法——线性回归,根据输入数据及目标数据,模拟一个线性函数 y =kx + b ,这里使用一个神经元,神经元中使用 Relu 作为激活函数,代码如下:
代码:
#第1步:导入所需库,构造数据
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt
#构造数据
X = np.linspace(-2 , 2 , 200)
np.random.shuffle(X) #打乱原来数据的顺序
#添加一些噪音数据
Y = 0.5 * X + 2 + np.random.normal(0 , 0.05 , (200 , ))
#显示输入数据
plt.scatter(X , Y)
plt.show()
#把200份数据划分为训练数据、测试数据
X_train,Y_train = X[:160]