php使用keras模型,手把手 | 教你在R中使用Keras和TensorFlow构建深度学习模型

授权转载自数据派 THU

ID：DatapiTHU

作者：NSS 翻译：伊凡

校对：杨学俊

NSS 是一个数据分析和数据科学的爱好者，他经常在 Analytics Vidhya 上面分享数据科学方面的教程。本文是他所撰写的关于如何在 R 中使用 Keras 构建手写数字分类模型的入门教程。

引言

在 R 和 Python 之间如何进行选择一直是一个热议的话题。机器学习世界也被不同语言偏好所划分。但是随着深度学习的盛行，天平逐渐向 Python 倾斜，因为截至目前为止 Python 具有大量 R 所没有的深度学习的资源库和框架。

我个人从 R 转到 Python 是因为我想更加深入机器学习的领域，而仅仅使用 R 的话，这(在之前)是几乎不可能实现的事情。不过也仅此而已！

随着 Keras 在 R 中的实现，语言选择的斗争又重新回到舞台中央。Python 几乎已经慢慢变成深度学习建模的默认语言，但是随着在 R 中以 TensorFlow(CPU 和 GPU 均兼容)为后端的 Keras 框架的发行 , 即便是在深度学习领域，R 与 Python 抢占舞台的战争也再一次打响。

下面我们将会看到怎样在 R 中安装以 TensorFlow 为基础的 Keras 框架，然后在 RStudio 中构建我们基于经典 MNIST 数据集的第一个神经网络模型。

内容列表：

以 TensorFlow 为后端的 Keras 框架安装

在 R 中可以使用 Keras 来构建模型的不同类型

在 R 中使用 MLP 将 MNIST 手写数字进行归类

将 MNIST 结果与 Python 中同等代码结果进行比较

结语

一、以 TensorFlow 为后端的 Keras 框架安装

在 RStudio 中安装 Keras 的步骤非常简单。只要跟着以下步骤，你就可以在 R 中构建你的第一个神经网络模型。

install.packages ( "devtools" )

devtools::install_github ( "rstudio/keras" )

以上步骤会从 Github 资源库下载 Keras。现在是时候把 keras 加载进 R，然后安装 TensorFlow。

library ( keras )

在默认情况下，RStudio 会加载 CPU 版本的 TensorFlow。如果没有成功加载 CPU 版本的 TensorFlow, 使用以下指令来下载。

install_tensorflow ( )

如要为单独用户或桌面系统安装 GPU 支持的 TensorFlow，使用以下指令。

install_tensorflow ( gpu=TRUE )

为多重用户安装，请参考这个指南：https://tensorflow.rstudio.com/installation_gpu.html。

现在在我们的 RStudio 里，keras 和 TensorFlow 都安装完毕了。让我们开始构建第一个在 R 中的神经网络来处理 MNIST 数据集吧。

二、在 R 中可以使用 keras 来构建模型的不同类型

以下是可以在 R 中使用 Keras 构建的模型列表

多层感知器 ( Multi-Layer Perceptrons )

卷积神经网络 ( Convoluted Neural Networks )

递归神经网络 ( Recurrent Neural Networks )

Skip-Gram 模型

使用预训练的模型(比如 VGG16、RESNET 等)

微调预训练的模型

让我们从构建仅有一个隐藏层的简单 MLP 模型开始，来试着对手写数字进行归类。

三、在 R 中使用 MLP 将 MNIST 手写数字进行归类

#loading keras library

#loading the keras inbuilt mnist dataset

data