keras中文文档学习笔记—快速上手keras

keras的核心数据结构是“model",其中最主要的是Sequential模型；

1. Sequential模型调用

from keras.model import Sequential
model = Sequential()

2. 模型构成(由很多不同的层构成)
   模型通过 .add堆叠而成

from keras.layers import Dense,Activation
model.add(Dense(units=64,input_dim=100)) #神经元为64个，输入维度为100此处为一个2D层，若输入训练参数为3D层则用input_shape来定义
model.add(Activation("relu")) #定义relu为激励函数
model.add(Dense(units=10)) #定义下一全连接层神经元节点为10个
model.add(Activation("softmax"))#定义激励函数为softmax

3. 模型编译

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy']) #loss为损失函数,还可定义为mse；optimizer为优化器，还可定义为rmsprop 、adagrad；metrics为指标列表，可以是一个用户定制的函数，也可以是预定义指标的名字

4.训练模型

model.fit(x_train, y_train, epochs=5, batch_size=32)

5. 模型的评估

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

6. 模型预测

classes = model.predict(x_test, batch_size=128)

7. 基于多层感知器的softmax多分类
8. MLP的二分类
9. 类似VGG的卷积神经网络
10. LSTM的序列分类
11. 一维卷积神经网络分类

本文原始的keras中文文档链接