Keras 序貫模型Sequential學習筆記

序貫模型是多個網路層的線性堆疊，也就是「一條路走到黑」。

1、通過sequential構建模型

可以通過向sequential模型傳遞乙個layer的list來構造該模型：

#匯入序貫模型

from keras.models import sequential
#匯入神經網路前向傳播層結構和啟用函式
from keras.layers import dense,activation
#可以通過向sequential傳遞乙個layer的list來構造該模型
#model = sequential([dense(units = 32,input_shape(784,)),activation('relu'),dense(10),activation('softmax')])
'''在構建神經網路模型的時候，初始必須指定輸入資料的列維度；
可以用input_dim指定資料的列數，後者input_shape的方式指定輸入的shape；
如果是3d的資料，支援引數input_dim和input_length來指定輸入的shape；
'''

#也可以通過.add()方法乙個個的將layer加入模型中：

model = sequential()
model.add(dense(units = 32,input_shape(784,)))
#model.add(dense(units = 32,input_dim=784))
model.add(activation('relu'))
model.add(dense(10))
model.add(activation('softmax'))

在訓練模型之前，我們需要通過compile來對學習過程進行配置。compile接收三個引數：

# for a multi-class classification problem 多元分類問題

model.compile(optimizer='rmsprop',
loss = 'categorical_crossentropy',
metrics=['accuracy'])
# for a binary classification problem 二元分類問題
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy'])
# for a mean squared error regression problem 均方誤差回歸
model.compile(optimizer='rmsprop',
loss='mse')
# for custom metrics
import keras.backend as k
defmean_pred
(y_true, y_pred):
return k.mean(y_pred)
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy', mean_pred])

keras以numpy陣列作為輸入資料和標籤的資料型別。訓練模型一般使用fit函式。

# for a single-input model with 10 classes (categorical classification):

# generate dummy data
import numpy as np
data = np.random.random((1000, 100))
#labels = np.random.randint(10, size=(1000, 1))
#將標籤生成one_hot編碼，使用keras.utils.to_categorical函式
labels = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)
print(labels)
# train the model, iterating on the data in batches of 32 samples
model.fit(data, labels, epochs=10, batch_size=32)

Keras序貫模型

序貫模型 sequential model 是多個網路層的線性堆疊，也就是 一條路走到黑 但是不適合網路之間穿插情況或者多輸入多輸出情況。序貫模型有兩種方式構建網路 2.1簡單的漢堡式疊法 可以通過sequential模型傳遞乙個layer的list來構造序貫模型。兩種方式1.漢堡生成 model ...

5 序貫模型細節

keras有兩種型別的模型，序貫模型 sequential 和函式式模型 model 函式式模型應用更為廣泛，序貫模型是函式式模型的一種特殊情況。兩種模型的共同方法 model.summary 列印出模型概況，它實際呼叫的是keras.utils.print summary model.get co...

時空序貫指示模擬和序貫高斯模擬的步驟

一 時空序貫指示模擬 1 每個樣點進行四次指示變換，小於那個閾值取1，否則取0 2 計算四次，得到四個理論變異函式 3 定義時空格網矩陣和隨機路徑 4 隨機取下一格網，對四個指示變數stok 5 概率值內插或外推，得累積概率分布，隨機取一值，作為已知點代入下一點模擬 6 所有時空網格是否完成模擬，是...