Keras大法（3）——使用Keras的一般流程

https://blog.youkuaiyun.com/weixin_42499236/article/details/84623142

Keras大法（3）——使用Keras的一般流程

• （一）基本流程
• （二）流程示例
  • （1）导入Keras库
  • （2）定义模型
  • （3）编译模型
  • （4）训练模型
  • （5）评估模型
  • （6）保存模型
• （三）总 结

 

（一）基本流程

使用Keras的基本流程可以归纳如下：

导入Keras

定义模型

编译模型

训练模型

评估模型

保存模型

以下我们对上述流程依次进行讲解。

（二）流程示例

（1）导入Keras库

from tensorflow import keras

• 1

（2）定义模型

在定义模型时我们有两种选择，一是使用keras.models.Sequential()方法定义次序模型，这种方法定义的模型将会从头到尾依次执行，二是使用函数式API定义更加灵活的高级模型，在这一节里我们只介绍次序模型：

# 实例化一个次序模型
model = keras.models.Sequential()
# 使用model.add方法添加隐层
model.add(···)
model.add(···)

• 1
• 2
• 3
• 4
• 5

具体如何定义一个隐层，我们会在下节讲到

（3）编译模型

在我们定义完模型后，需要使用complie方法对其进行编译：

model.compile(loss = keras.losses.mean_squared_error,
              optimizer= keras.optimizers.Adam(0.01),
              metrics= ['accuracy'])

• 1
• 2
• 3

在编译操作中，我们需要定义模型使用的优化方法，损失函数，评估模型的指标等

（4）训练模型

我们使用model.fit()方法来训练模型，将训练数据的特征和标签导入：

model.fit(x_train, y_train, batch_size= 10, epochs = 5)

• 1

在这里可以指定批处理数、训练的世代数等参数

（5）评估模型

使用model.evaluate()方法来评估模型，如下所示：

model.evaluate(x=None, y=None, batch_size=None, verbose=1, sample_weight=None, steps=None)

• 1

同样可以指定批处理数等参数

（6）保存模型

模型训练完成之后，我们使用model.save()方法来保存模型

model.save(/model.h5)

• 1

最终模型会被保存为h5格式的文件

（三）总 结

在这一节中我们对Keras的基本使用流程做了介绍，有任何的问题请在评论区留言，我会尽快回复，谢谢支持！