深度學習 Keras框架學習筆記

看了很多前輩對深度學習框架的介紹，雖然很多新人會用tensorflow，但是keras**更加簡單精簡，更受深度學習初學者的青睞。

keras是乙個高層神經網路api，keras由純python編寫而成並基tensorflow、theano以及cntk後端。

keras在以下場景會大放異彩：

網路層、損失函式、優化器、初始化策略、啟用函式、正則化方法都是獨立的模組，利用keras可以使用這些獨立的模組來構建自己的模型。

keras的核心資料結構是「模型」，模型是一種組織網路層的方式。keras中主要的模型是sequential模型，sequential是一系列網路層按順序構成的棧。也可以檢視函式式模型來學習建立更複雜的模型

sequential模型如下

from keras.models import sequential
model = sequential()

將一些網路層通過.add()堆疊起來，就構成了乙個模型：

from keras.layers import dense, activation
model.add(dense(units=64, input_dim=100))
model.add(activation("relu"))
model.add(dense(units=10))
model.add(activation("softmax"))

完成模型的搭建後，需要使用.compile()方法來編譯模型：

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

編譯模型時必須指明損失函式和優化器，如果需要的話，也可以自己定製損失函式。keras的乙個核心理念就是簡明易用，同時保證使用者對keras的絕對控制力度，使用者可以根據自己的需要定製自己的模型、網路層，甚至修改源**。

from keras.optimizers import sgd
model.compile(loss='categorical_crossentropy', optimizer=sgd(lr=0.01, momentum=0.9, nesterov=true))

完成模型編譯後，在訓練資料上按batch進行一定次數的迭代來訓練網路

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

當然，也可以手動將乙個個batch的資料送入網路中訓練，這時候需要使用：

model.train_on_batch(x_batch, y_batch)

隨後，可以使用一行**對我們的模型進行評估，看看模型的指標是否滿足我們的要求：

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

或者，可以使用我們的模型，對新的資料進行**：

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

搭建乙個問答系統、影象分類模型，或神經圖靈機、word2vec詞嵌入器就是這麼快。

為了更深入的了解keras，可以檢視一下下面的兩個tutorial

新手教程：

keras使用了下面的依賴包，三種後端必須至少選擇一種，我們建議選擇tensorflow。

當使用tensorflow為後端時：

當使用theano作為後端時：

當使用cntk作為後端時：

「後端」翻譯自backend，指的是keras依賴於完成底層的張量運算的軟體包。

從原始碼安裝keras時，首先git clone keras的**：

git clone

接著cd到keras的資料夾中，並執行下面的安裝命令：

sudo python setup.py install

你也可以使用pypi來安裝keras

sudo pip install keras

參考文章：

深度學習 Keras框架學習筆記

Keras深度學習框架配置

深度學習的框架之keras

Ubuntu 搭建深度學習框架 keras

深度學習 Keras框架學習筆記

Keras深度學習框架配置

深度學習的框架之keras

Ubuntu 搭建深度學習框架 keras

相關推薦