深度学习：keras学习

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：

1. 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。
2. 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