深度学习的框架之keras

本文深入探讨深度学习框架Keras的关键概念与操作,包括张量运算、常见工具包如Numpy、matplotlib、pandas和Scipy的使用,以及如何构建卷积神经网络并预防过拟合。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

深度学习的框架之keras

老早之前写过一些深度学习框架的常识。但是太不具体了。这次出一个系列的,今天就单独写keras的相关知识。

张量概念介绍

张量概念是矢量概念和矩阵概念的推广,标量是零阶张量,矢量是一阶张量,矩阵(方阵)是二阶张量,而三阶张量则好比立体矩阵,

两个张量的点积就是将A张量的最后一个轴中的所有元素,与B张量中倒数第二个轴的所有元素对应相乘后相加的结果,也就是

dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])。如果有线性代数的基础,张量的计算理解会比较简单。

keras中常用到的工具包:

Numpy----高性能计算库,线性代数功能,max_row=np.max(a,axis=1)//1是行    max_col=np.max(a,axis=0)//0是列

printf(np.argsort(a))正序排列printf(np.argsort(-a))逆序排列

matplotlib---图像绘制库,专门写过这个的应用博客,不多说了 https://blog.csdn.net/vicky_white/article/details/107449459

pandas----数据分析工具,head,tail方法截取数据前后若干行,data.describe()获取数据的属性描述data.info()获取数据类型和其他信息。可以使用matplotlib的方法绘图

Scipy----科学计算库,常用于读取存储matlab中的mat文件,提供很多数理统计函数。函数插值功能,曲线拟合功能。

mark一些经典代码

#使用序贯模型作为模型的容器

model = Sequential()

#卷积层

model.add(Conv2D(name='block1',

                             input_shape=(32,32,3),

                              filters=32,

                              kernel_size=3

                               strides=1,

                               activation='relu'

                                padding=0))

model.add(MaxPool2D(name='block_1_maxpool',

                                 pool_size=2,

                                 stride=2,

                                  padding=0))

#防止过拟合

model.add(Dropout(rate=0.25))

下一节介绍一些pytorch 的知识。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值