Keras（一）——简单上手

Keras

Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化 。

Keras的核心数据结构是model，最简单的模型是Sequential顺序模型。

简单上手

Sequential模型

from keras.models import Sequential
model = Sequential()

用.add()堆叠模型

from Kerls.layers import Dense

model.add(Dense(units=64, activation='relu',input_dim=100))
model.add(Dense(units=10, activation='softmax'))

使用.compile() 配置学习过程

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

配置自己的优化器(展现源代码的易扩展性)

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

批量在训练数据上进行迭代

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

手动将批次的数据提供给模型

model.train_on_batch(x_batch, y_batch)

评估模型性能

loss_and_metrics = model.evaluate(x_test, y_text, batch_size=128)

对新的数据生成预测

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