keras作弊手册

缩写：

contrib 贡献（contribution）

val    validation  验证集

acc    accuracy 精确度/准确性

epoch 时期/时代/迭代周期

SGD  Stochastic Gradient Descent 随机梯度下降

LSTM Long Short Term Memory 长短期记忆，一种时间递归神经网络，解决RNN的长期依赖问题。

-------------------------------------------------------------------------------------------------------------------

from keras.models import Sequential

model = Sequential()

 

用于模型中的各个层，如全连接层/卷积层/池化层/平坦层等

from keras.layers import Dense, Dropout, Conv2D, MaxPooling2D, Flatten

model.add(Dense...) 

model.add(Dropout(0.25))     Dropout层不仅可以解决过拟合问题，还可以增加准确率。

                                             每次训练时，会随机的抛弃25%的神经元，以避免过度拟合

 

from keras.layers.embedding import Embedding

from keras.layers.recurrent import SimpleRNN           周期性的

SimpleRNN(units = 16)    建立16个神经元的RNN层，替代平坦层Flatten()

--------------------------------------------------------------------------------------------------------------------

工具函数：

绘制图像标签预测值：plot_images_labels_prediction()

显示预测概率：show_predicted_probability()

保存“权重+时间”：

显示训练历史：show_train_history()

show_predicted_probability(y, prediction, x_img, Predicted_Prebalility, i):     print('Label: ', label_dict[y[i][0]], 'predict', label_dict[prediction[i]])     plt.figure(figsize = (2, 2))     plt.imshow(np.reshape(x_img_test[i], (32, 32, 3)))     plt.show()     for j in range(10):         print(label_dict[j] + 'Probalility: %1.9f' % (Predicted_Probalility[i][j]))

show_train_history(history):          train_acc, val_acc是字符串，