python3使用keras簡單示例

截至 2017 年 11 月，擁有超過 200,000 個人使用者的 keras 是除 tensorflow 外被工業界和學術界最多使用的深度學習框架。

簡單示例如下:

import keras

from keras.models import sequential
from keras.layers import dense
import numpy as np
#輸入訓練資料 keras接收numpy陣列型別的資料
# x=np.array([[0,0,0],
#             [0,0,1],
#             [0,1,0],
#             [0,1,1],
#             [1,0,0],
#             [1,0,1],
#             [1,1,0],
#             [1,1,1]])
# y=np.array([0,0,0,0,1,1,1,1]).t
# x=np.array([[0,0,0],
#             [0,0,1],
#             [0,1,0],
#             [0,1,1],
#             [1,0,0],
#             [1,0,1],
#             [1,1,0],
#             [1,1,1]])
# y=np.array([0,0,1,1,0,0,1,1]).t
# x=np.array([[0,0,0],
#             [0,0,1],
#             [0,1,0],
#             [0,1,1],
#             [1,0,0],
#             [1,0,1],
#             [1,1,0],
#             [1,1,1]])
# y=np.array([0,1,0,1,0,1,0,1]).t
# x=np.array([[0,0,0],
#             [0,0,1],
#             [0,1,0],
#             [0,1,1],
#             [1,0,0],
#             [1,0,1],
#             [1,1,0],
#             [1,1,1]])
# y=np.array([1,0,0,0,0,0,0,1]).t
x=np.array([[0,0,0],
[0,0,1],
[0,1,0],
[0,1,1],
[1,0,0],
[1,0,1],
[1,1,0],
[1,1,1]])
y=np.array([0,1,0,1,0,1,0,1]).t
#最簡單的序貫模型，序貫模型是多個網路層的線性堆疊
******_model=sequential()
#dense層為全連線層
#第一層隱含層為全連線層 5個神經元 輸入資料的維度為3
******_model.add(dense(8,input_dim=3,activation='relu'))
#第二個隱含層 4個神經元
******_model.add(dense(4,activation='relu'))
#輸出層為1個神經元
******_model.add(dense(1,activation='sigmoid'))
#編譯模型,訓練模型之前需要編譯模型
#編譯模型的三個引數：優化器、損失函式、指標列表
******_model.compile(optimizer='sgd',loss='mean_squared_error')
# 多分類問題
# ******_model.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy'])
#訓練網路 2000次
#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
******_model.fit(x,y,epochs=1000)
#應用模型 進行**
y_=******_model.predict_classes(np.array([[0,0,0]]))
print(y_)
y_=******_model.predict_classes(np.array([[0,0,1]]))
print(y_)
y_=******_model.predict_classes(np.array([[0,1,0]]))
print(y_)
y_=******_model.predict_classes(np.array([[0,1,1]]))
print(y_)
y_=******_model.predict_classes(np.array([[1,0,0]]))
print(y_)
y_=******_model.predict_classes(np.array([[1,0,1]]))
print(y_)
y_=******_model.predict_classes(np.array([[1,1,0]]))
print(y_)
y_=******_model.predict_classes(np.array([[1,1,1]]))
print(y_)

python3使用 python3使用模組

python內建了很多非常有用的模組，只要安裝完畢，這些模組就可以立刻使用。我們以內建的sys模組為例，編寫乙個hello的模組 usr bin env python3 coding utf 8 a test module author michael liao import sys def tes...

python 元組使用 Python3

python3 元組 python 的元組與列表類似，不同之處在於元組的元素不能修改。元組使用小括號 列表使用方括號 元組建立很簡單，只需要在括號中新增元素，並使用逗號隔開即可。例項 python 3.0 tup1 google runoob 1997,2000 tup2 1,2,3,4,5 tup...

Python3 使用模組

python本身就內建了很多非常有用的模組，只要安裝完畢，這些模組就可以立刻使用。我們以內建的sys模組為例，編寫乙個hello的模組 usr bin env python3 coding utf 8 a test module author michael liao import sys def ...