Keras Documentation文档翻译--1.30秒了解Keras

初学Keras，水平有限，不足的地方请大家指正，谢谢。

Keras是以模型为核心来组建神经网络的层次。Keras主要有两个模型Sequential和Graph。

Sequential以线性的方式搭建神经网络的各层，以下是Sequential层：

from keras.models import Sequentialmodel = Sequential()

model = Sequential()

可以通过.add()方法，方便的增加新的层级：

from keras.layers.core import Dense, Activation

model.add(Dense(output_dim=64, input_dim=100, init="glorot_uniform")) //输入输出维数

model.add(Activation("relu")) //激活函数

model.add(Dense(output_dim=10, init="glorot_uniform"))

model.add(Activation("softmax"))

当模型完成后，通过.compile()方法设置所采用的训练方法：

model.compile(loss='categorical_crossentropy', optimizer='sgd') //损失函数 和 优化方法

如果有需要的话，你也可以配置自己的优化器：

from keras.optimizers import SGD

model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))

现在可以按批次进行迭代训练了：

model.fit(X_train, Y_train, nb_epoch=5, batch_size=32)

也可以分别的输入batch：

model.train_on_batch(X_batch, Y_batch)

对网络的结果进行评价：

objective_score = model.evaluate(X_test, Y_test, batch_size=32)

或者在新的数据集上进行预测

classes = model.predict_classes(X_test, batch_size=32)

proba = model.predict_proba(X_test, batch_size=32)

构建LSTM网络、深度CNN等都是很方便快捷的。

具体实例请参考http://keras.io/examples/