Keras与TensorFlow的简要基础

去年3月份时,试用了Keras和TensorFlow分别来求解kaggle竞赛上的同一个情感分析的NLP的问题时写的笔记,有些内容可能已经不那么新了,而且很简略,但还是存一下备忘

 

Keras基础

1 简介

Keras是一个高级神经网络APIKeras由纯Python编写而成并基TensorflowTheano后端。Keras 为支持快速实验而生。常见的RNNCNN网络,都可以搭建;并搭配了一些数据集、数据处理类、可视化工具。

 

2 特点

  1. 在tensorflow基础上,再封装,接口更简洁;
  2. 有高度模块化,极简,和可扩充特性
  3. 支持CNNRNN,或二者的结合

 

3 主要类或用过的类

  1. Dataset数据集
  2. Preprocessing数据预处理类,转换为keras的输入和输出量要求的格式。Tenor、list、ndarray、序列series等。
  3. 预训练模型
  4. 搭建模型需要的各种层,嵌入层、循环层、卷积层、dropout层等等;
  5. 各种搭建模型需要的函数和模块:激活函数、损失函数、优化器、正则化函数等等
  6. 训练流程中需要的模块,比如:初始化函数、性能评价方法、可视化工具
  7. 其他工具类:比如:读入等

 

 

4 hello world

第一个模型训练的小例子:

 

第二个模型训练的小例子:多分类

 

 

 

 

 

 

Tensorflow基础

1 简介

TensorFlow™是一个采用计算图的形式表述数值计算的工具,本身是一个开源软件库。最初由Google大脑小组的研究员和工程师们开发出来,用于机器学习和深度神经网络方面的研究。张量(tensor)是计算图的基本数据结构,可以理解为多维数据,流(Flow)表达了张量之间通过计算互相转化的过程。

 

 

2 特点

 

它灵活的架构可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU),服务器,移动设备等等。

 

 

3 主要类或用过的类

主要模块:

1、建立图(Building Graphs)相关的类或函数:tf.Graphtf.Operationtf.Tensortf.DType、相关通用函数、队列(tf.QueueBasetf.FIFOQueue

2、输入量和数据读入:占位符(Placeholders)、读取器(tf.ReaderBasetf.TextLineReader);

3、数据IO:tf.python_io.TFRecordWriter

4、算术操作;数组、张量的操作(数据类型转换、切割、合并、变形、归集运算);矩阵运算;

5、神经网络类(tf.nn  激活函数、卷积层、RNN层、嵌入层等);

6、运行图(Running Graphs)相关类或函数: tf.Session、异常处理类(tf.OpErrortf.errors

7、训练和测试类:tf.trainOptimizersGradient ComputationGradient ClippingDistributed execution);;tf.test(单元测试、梯度检查)

8、TensorBoard:可视化工具。查看输入、输出、目标函数的值、评价指标值等;

 

 

 

 

4Hello World

 

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