Keras TensorFlow教程 :如何从零开发一个复杂深度学习模型:https://segmentfault.com/a/1190000012645225
keras概念解释:http://www.zhiding.cn/techwalker/documents/J9UpWRDfVYHE5TpbHCymkImFpP0OoHVVCrj3TSQuhA
1. Keras基础知识
在Keras中主要的数据结构是 model ,该结构定义了一个完整的图。你可以向已经存在的图中加入任何的网络结构。
import keras
Keras 有两种不同的建模方式:
- Sequential models:这种方法用于实现一些简单的模型。你只需要向一些存在的模型中添加层就行了。
- Functional API:Keras的API是非常强大的,你可以利用这些API来构造更加复杂的模型,比如多输出模型,有向无环图等等。
1. 卷积层
这里我们使用一个卷积层,64个卷积核,维度是3*3的,之后采用 relu
激活函数进行激活,输入数据的维度是 100*100*32
。注意,如果是第一个卷积层,那么必须加上输入数据的维度,后面几个这个参数可以省略。
model.add(Conv2D(64, (3,3), activation='relu', input_shape = (100,100,32)))
2. MaxPooling 层
指定图层的类型,并且指定赤的大小,然后自动完成赤化操作,酷毙了!
model.add(MaxPooling2D(pool_size=(2,2)))
3. 全连接层
这个层在 Keras 中称为被称之为 Dense 层,我们只需要设置输出层的维度,然后Keras就会帮助我们自动完成了。
model.add(Dense(256, activation='relu'))
4. Dropout