深度学习篇-Keras（初级）

第1关：构建模型

构建一个简单的模型，并且指定输入数据的尺寸：batch_size 为18，input_dim 为20。

from keras.models import Sequential
from keras.layers import Dense, Activation
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
def input_values():
    model = Sequential()
    '''
    返回值:
    model: 一个顺序模型
    '''
    # 请在此添加代码 完成本关任务
    # 构建一个简单的模型，并且指定输入数据的尺寸：batch_size 为18，input_dim 为20。
    # ********** Begin *********#
    model.add(Dense(units=18,input_dim=20))
    # ********** End **********#

    # 返回model
    return model

第2关：Keras模型编译

本关任务：构建一个简单的模型，并对模型进行编译。

import warnings
warnings.filterwarnings('ignore')
from keras.models import Sequential
from keras.layers import Dense, Activation
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
def compile_model():
    model = Sequential()
    model.add(Dense(32, activation='relu', input_dim=100))
    model.add(Dense(1, activation='sigmoid'))
    '''
    返回值:
    model: 一个顺序模型
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    model.compile(optimizer='rmsprop',  
              loss='binary_crossentropy',  
              metrics=['accuracy']) 
    # ********** End **********#

    # 返回model
    return model
compile_model()

第3关：训练模型

本关任务：构建一个简单的模型，对模型进行训练。

from keras.models import Sequential
from keras.layers import Dense, Activation
import os
import numpy as np
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
def fit_model():
    model = Sequential()
    model.add(Dense(32, activation='relu', input_dim=100))
    model.add(Dense(1, activation='sigmoid'))
    model.compile(optimizer='rmsprop',
                  loss='binary_crossentropy',
                  metrics=['accuracy'])
    # 生成虚拟数据
    data = np.random.random((1000, 100))
    labels = np.random.randint(2, size=(1000, 1))
    '''
    返回值:
    model: 一个顺序模型
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    model.fit(data,labels,epochs=10,batch_size=64)
    # ********** End **********#
    # 返回model
    return model