Kears 的一些重要函数用法

Kears 的一些重要函数用法

常用的导入包

from keras.models import Sequential
from keras.layers import Dense,Dropout,Activation,Flatten
from keras.layers import Embedding,LSTM
from keras.layers.convolutional import Conv2D
from keras.layers.pooling import MaxPooling2D
from keras.utils import np_utils
from keras.datasets import mnist

激活函数的选择

'relu','softmax','elu','softplus','tanh','sigmoid','hard_sigmoid','linear'

keras模型的保存

不推荐使用pickle 或cPickle来保存Keras模型。可以使用model.save(filepath)来保存模型。该文件包含：

• 模型的结构，以便重构该模型
• 模型的权重
• 训练配置（损失函数，优化器）
• 优化器的状态，以便从上次训练中端的地方开始

使用keras.model.load_model(filepath)来重新实例化模型。

from keras.models import load_model
model.save('my_model.h5')
del model
model = load_model('my_model.h5')

如果只保存模型的结构，而不包含权重和配置信息，可以使用

json_string = model.to_json()
yaml_string = model.to_yaml()

当然也可以从保存好的json文件或yaml文件中载入模型

from keras.models import model_from_json
model = model_from_json(json_string)
model = model_from_yaml(yaml_string)

如果只保存模型的权重，可以使用HDF5进行保存，不过要提前安装HDF5库--h5py

model.save_weight('my_model_weights.h5')
model.load_weight('my_model_weights.h5')

可视化

keras.utils.vis_utils 模块可以画出模型结构图（利用graphviz）

from keras.utils import plot_model
plot_model(model,to_file = 'model.png')

报错的处理方法

1. 安装pygot和graphviz库。（若仍报错）
2. 安装graphviz ，设置环境变量,然后在代码里设置

import os
os.environ["PATH"] += os.pathsep + 'graphviz.exe 路径'
plot_model(model, to_file='model.png', show_shapes=True, show_layer_names=True)

参考文献

Keras中文文档:https://keras-cn.readthedocs.io/en/latest/for_beginners/concepts/