Keras--基于Python的深度学习库介绍

Keras: 基于Python的深度学习库

这就是Keras

Keras是一个高层神经网络API，Keras由纯Python编写而成，并基于Tensorflow 、Theano以及CNTK后端。Keras为支持快速实验而生，能够把你的idea迅速转变为结果，如果你有如下需求，请选择Keras：

• 简易和快速的原型设计(Keras具有高度模块化，极简和可扩充特性)
• 支持CNN和RNN，或二者的结合
• CPU和GPU无缝切换

Keras的适用版本是：Python 2.7-3.6

Keras的设计原则是：

• 用户友好：Keras是为人类而不是天顶星人设计的API。用户的使用体现始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践：Keras提供一致而简洁的API，能够极大减小一般应用下用户的工作量。同时，Keras提供清晰和具有实践意义的bug反馈。
• 模块性：模型可理解为一个层的序列或数据的运算图，完全可配置的模块可以用最少的代价自由组合在一起。具体而言，网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块，你可以使用它们构建自己的模型。
• 易扩展性：添加新模块超级容易，只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。
• 与Python协作：Keras没有单独的模型配置文件(作为对比，caffe有)，模型由python代码描述，使其更紧凑和更易debug，并提供了扩展的便利性。

快速开始：30s上手Keras

Keras的核心数据结构是“模型”，模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型，Sequential是一系列网络层按顺序构成的栈。你也可以查看函数式模型来学习建立更复杂的模型

Sequential模型如下：

from keras.models import Sequential
model = Sequential()  

将一些网络层通过.add()堆叠起来，就构成了一个模型：

from keras.layers import Dense, Activation

model.add(Dense(units = 64, input_dim = 100))
model.add(Activation("relu"))
model.add(Dense(units = 10))
model.add(Activation("softmax"))  

完成模型的搭建后，我们需要使用.compile()方法来编译模型：

model.compile(loss = 'categorical_crossentropy', optimizer = 'sgd', metrics = ['accuracy'])  

编译模型时必须指明损失函数和优化器，如果你需要的话，也可以自己定制损失函数。Keras的一个核心理念就是简明易用，同时保证用户对Keras的绝对控制力度，用户可以根据自己的需要定制自己的模型、网络层，甚至修改源代码。

from keras.optimizers import SGD
model.compile(loss = 'categorical_crossentropy', optimizers = SGD(lr = 0.01, momentum = 0.9, nesterov = True))  

完成模型编译后，我们在训练数据上按batch进行一定次数的迭代来训练网络

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

当然，我们也可以手动将一个个batch的数据送入网络中训练，这时候需要使用：

model.train_on_batch(x_train, y_train)  

或者，我们可以使用我们的模型，对新的数据进行预测：

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

搭建一个问答系统、图像分类模型，或神经图灵机、word2vec词嵌入器就是这么快。支撑深度学习的基本想法本就是简单地，现在让我们把它的实现也变得简单起来。

为了更深入的了解Kears，建议你查看一下以下两个tutorials：

• 快速开始Sequential模型

• 快速开始函数式模型

还有新手教程，虽然是面向新手的，但阅读它们总是有益的：

• Keras新手指南

在Keras代码包的examples文件夹里，提供了一些更高级的模型：基于记忆网络的问答系统、基于LSTM的文本的文本生成库等。

安装

Keras使用了下面的依赖包，三种后端必须至少选择一种，建议选择Tensorflow。

• Numpy、scipy
• pyyaml
• HDF5、h5py(可选，仅在模型的save/load函数中使用)
• 如果使用CNN的推荐安装cuDNN

当使用TensorFlow为后端时：

• TensorFlow

当使用Theano作为后端时：

• Theano

当使用CNTK作为后端时：

• CNTK

“后端”翻译自backend，指的是Keras依赖于完成底层张量运算的软件包。

从源代码安装Keras时，首先git clone keras的代码：

git clone https://github.com/fchollet/keras.git  

接着 cd到Keras的文件夹中，并运行下面的安装命令：

sudo python setup.py install  

你也可以使用PyPl来安装Keras

sudo pip install keras  

如果你用的是virtualenv虚拟环境，不要用sudo就好。

Keras基础，记录下来，供后来参考。

以上参考Keras中文文档