神经网络学习笔记(3):Keras

本文介绍了 Keras 中的激活函数,如 sigmoid、softmax、relu 和 tanh,并讲解了随机梯度下降、学习速率的概念。接着,讨论了如何在 Keras 中构建神经网络序列模型,包括添加全连接层、激活层等,并以一个示例展示了模型的编译和训练过程。最后,提到了模型评估指标,如准确率和 ROC 曲线。
摘要由CSDN通过智能技术生成

Keras 中的其他激活函数:

model.add(Activation('sigmoid'))

model.add(Activation('softmax'))

model.add(Activation('relu'))

model.add(Activation('tanh'))

 

梯度下降->随机梯度下降:

如果每次都用所有的数据下降一个步长,很费内存

如果数据分布合理,每次使用一部分数据就可以告诉我们梯度

在 Keras 中很容易实现随机梯度下降。我们只需按以下命令在训练流程中指定批次大小,这里,我们将数据分成 100 批。

model.fit(X_train, y_train, epochs=1000, batch_size=100, verbose=0)

 

学习速率:

学习速率大,step大

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