Keras的核心数据结果是‘模型’,模型是一种组织网络层的方式。Keras中主要模型是Squential模型,Sequential是一系列网络层按顺序构成的栈。
#coding=utf-8from keras.models import Sequential
from keras.layers import Dense,Activation
#创建Sequential模型
model=Sequential()
model.add(Dense=64,input_dim=100)
model.add(Activation('relu'))
model.add(Dense(units=10))
model.add(Activation('softmax'))
#编译模型:编译模型时,必须指定损失函数和优化器,可以自己定制损失函数。用户可以根据自己的需要定制自己的模型、网络层,甚至修改源码
from keras.optimizers import SGD
model.compile(loss='categorical_crossentropy',optimizer='sgd',metrics=['accuracy'])
# model.compile(loss='categorical_crossentropy',optimizer=SGD(lr=0.01,momentum=0.9,nesterov=True))
#训练模型
model.fit(x_train,y_train,epochs=5,batch_size=32)
#批量训练 model.train_on_batch(x_batch,y_batch)
#模型评估
loss_and_metrics=model.evaluate(x_test,y_test,batch_size=128)
#模型预测
classes=model.predict(X,batch_size=128)