1——初识keras

    目前深度学习的研究被炒的不要不要的，作为数据挖掘信息检索方向的学生必须要凑一下热闹。听闻老师推荐了keras大法，必然要见识一下这个python模块的厉害之处。

通过网上资料得知，keras是基于theano的一个模块，能够实现对GPU的无缝结合（看起来很强大的样子），主要是基于深度学习的一些功能进行了封装。神经网络终于有机会能在这个硬件跟得上的时代大放光彩。

前几天easy_install过了一次keras，下载了网上的一个代码demo跑通了，参照csnd博客[1],跑了好几个小时都还在一直运行，只好把它kill掉了，据说要跑很久才有结果。然而今天更新了一下keras到1.0版本，发现之前的demo已经跑不通了，果然如网上资料所说，这个keras是一个还在不断更新的新模块，之前的参数可能进行了调整，导致老程序无法跑通，在这种情况下，有一个最好的方法就是去keras官网查看最新的example进行测试，毕竟对于新手来说，跑不通demo是一件很苦逼的事，然而官网文档应该都是最新的。官网为http://keras.io/，此外还有一个中文版的keras官网，是网友翻译后的网站，域名为

http://keras-cn.readthedocs.io/en/latest/

    啰嗦了这么久，终于可以开始学习keras了。对于学习一个新知识，我觉得最好的方法还是先对他的结构有一个大致的了解。于是我就先浏览了一下官网的所有文档，按照顺序一页一页的翻看了一遍。看完之后对keras有了一些大致的理解。

一：

首先，既然keras是一个神经网络的框架，是用的必然是神经网络的一些方法。看一下keras官网的目录

显然，get-start是大致介绍一下keras是干什么吃的，包含什么功能云云。然后是一个小小的example。

 

二：

然后看到下面的models模块，

大致看了一下这个模块的作用，应该来说，对于神经网络，首先得有一个初始生成序列，也就是上边的sequential功能区，通过以上生成一个初始值。

然后就是下边的layers层

 

显然，对于神经网络来说，神经网络是有一个或多个输入加上很多层中间层，最后生成一个或多个输出。那么，很容易想到，这里的layers就是神经网络中的中间层。

仔细看一下Layers下方的那些小标签，分别包括Core Layers（核心层），Convolutional Layers（卷积层）、Recurrent Layer（回归层）、Embedding Layers（嵌入层）~~~~，反正这些层都是实现不同的功能，也有通过相互组合来完成中间层的任务。

 

三：

下面来看Processing层

 

Processing层从标题就可以看出来这一层是来完成数据预处理的工作，其中包括Sequence序列预处理，Text Preprocessing文本文件预处理，Image Preprocessing图片预处理

按说这一块的功能实现顺序应该在比较前的位置来完成，然后可能是教程为了让用户更快的熟悉keras模块把前两块放在了前面。数据预处理是数据处理过程中必不可少的一部分。

 

四：

至于剩下的模块就放在一起说了吧

看一下目录就可以知道，这几部分分别包含什么内容，

Objectives模块主要完成最后的compile工作，它的通常形式类似于

model.compile(loss='mean_squared_error', optimizer='sgd')

通过上式来实现编译。

    而且，可以看到在上式的括号中包括一个optimizer属性，这个属性是优化属性，也可以自定义优化模式。

Activations激活函数自不必说，常见的激活函数有sigmod，tanh，Relu等等，具体采用哪种激活函数以后会讨论.

剩余的那些知道个大概就可以了，毕竟目前只是想要对这个框架有一个简要的了解，后续很多细节还需细细研磨。到这里，今天的框架大致理解就完成了，可以进行后续愉快的学习了。

 

 

 

 

Reference:

 

[1]: http://blog.csdn.net/u012162613/article/details/45397033

[2]: http://www.cnblogs.com/neopenx/p/4453161.html