深度学习从入门到夺门而出——Keras实践(一)：初识keras与人工神经网络

最新推荐文章于 2023-03-28 16:46:48 发布

程序小源哥哥

最新推荐文章于 2023-03-28 16:46:48 发布

阅读量571

点赞数

文章标签：神经网络深度学习 tensorflow keras 机器学习

本文链接：https://blog.csdn.net/wbsrainbow/article/details/89305909

版权

本文适合有编程基础和数学知识的读者，旨在介绍Keras和神经网络基础知识。Keras是一个高级神经网络API，简化了TensorFlow和Theano的使用。通过示例展示了如何仅用几行代码创建、编译和训练一个简单的神经网络。下篇将探讨神经网络的数学原理。

摘要由CSDN通过智能技术生成

本系列文章适用于以下人群：

有一定编程基础，能自行搭建起Python开发环境，安装好Keras、TensorFlow等类库。
学过线性代数、微积分等数学知识，对于矩阵、求导、微分等词汇有印象但是有些已经不太能想起来具体是什么的了。
听说过神经网络，或多或少有点了解，也可以不了解。
迫切想要了解深度学习、神经网络，但是一看概念就头疼，一看公式就反胃。

Keras简述：

Keras是一个Python编写的高层神经网络API，可以基于TensorFlow或Theano（注意不是Thanos）等来实现神经网络。简单的来说就是TensorFlow和Theano是用来实现神经网络的Python库，但由于使用起来不够简单，对普罗大众不够友好，为了降低神经网络的使用门槛、减少用户的工作量，大神François Chollet开发了Keras来封装这些复杂，让实现一个高层神经网络的过程从搭建火前发射台变为拼装乐高积木。

那么使用Keras搭建一个神经网络到底有多简单呢，下面是一个Keras官方给出来的一个Demo。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout

# 造一些模拟训练的数据
x_train = np.random.random((1000, 20))
y_train = np.random.randint(2, size=(1000, 1))
x_test = np.random.random((100, 20))
y_test = np.random.randint(2,