Keras源码学习笔记

Keras源码结构

keras源码非常简洁，学习源码可以对深度学习整体框架有更清楚的认识。通过对keras源码的阅读，我简单总结了一些笔记，类似于大纲一样的东西。具体的实现细节和步骤，直接看源码会更容易理解。

keras搭建网络和运行的一般过程

model=Sequential() model=Model()	建立模型
model.add()	模型编辑
model.compile()	模型编译
model.fit()	模型拟合
model.evaluate()	模型估计
model.save()

实际使用时，增加下面功能：
model.summary()
plot_model(model,””)
fit()函数增加callbacks实现模型自动保存，早期停止，学习率变化

fit
是用来对训练集和标签直接训练，训练过程中不再对训练集和标签做处理。
fit_generator
需要对训练集和标签做处理，然后再训练。这种处理包括：简单数据集的数据增强；复杂任务的样本处理。相比fit,增加了线程数的设置等。

Keras源码文件结构

Keras核心类

主要类	成员函数	目录	功能
Layer(object)	get_config、get_weights、set_weight	keras/engine/base_layer.py	基础类
InputLayer(Layer)		keras/engine/input_layer.py
Dense(Layer) Dropout(Layer) Activation(Layer) Flatten(Layer)		keras/layers/core.py
_Pooling