12.Tensorflow之初识Keras(1)

这篇博客介绍了如何在Tensorflow1.7.0环境下安装Keras,并通过线性回归和非线性回归实例详细讲解了Keras的使用,包括模型创建、训练、损失函数、优化器以及激活函数等。此外,还展示了使用Keras处理MNIST数据集的基本步骤。

1.安装Keras

安装Keras要注意版本对应问题,不然会出错:
在这里插入图片描述
我的是tensorflow1.7.0,所以安装方式:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.1.6

安装成功后检测是否可行:
在这里插入图片描述


2.Keras之线性回归

2.1导入相关模块
import keras
import numpy as np
import matplotlib.pyplot as plt

#Sequential顺序模型
from keras.models import Sequential
#Dense全连接层
from keras.layers import Dense

执行成功:
在这里插入图片描述

2.2生成数据集
#生成数据集
x_data = np.random.rand(200)
noise = np.random.normal(0,0.01,x_data.size)
y_data = x_data*0.1 + 3 + noise
#显示数据集
plt.scatter(x_data,y_data)
plt.show()

在这里插入图片描述

2.3创建并训练模型
#创建模型
model = Sequential()
#在模型中添加全连接层
model.add(Dense
### 解决 KerasTensorFlow 的 Pip 依赖冲突 当遇到 `pip` 安装过程中因依赖解析器而导致的冲突时,可以采取以下措施来解决: #### 方法一:手动指定兼容版本 为了确保 `Keras` 和 `TensorFlow` 能够正常工作,需手动安装与其兼容的库版本。以下是具体操作方式: 1. **安装特定版本的 NumPy** 如果存在 `NumPy` 版本不匹配的情况,可以通过以下命令安装与当前环境兼容的版本: ```bash pip install numpy==1.21.0 ``` 2. **安装 Keras 应用程序和预处理包** 需要单独安装 `keras-applications` 和 `keras-preprocessing`,并确保其版本与所使用的 `TensorFlow` 或独立版 `Keras` 兼容: ```bash pip install keras-applications==1.0.8 keras-preprocessing==1.1.2 ``` 3. **验证 TensorFlowKeras 的兼容性** 不同版本的 `TensorFlow` 对应不同版本的 `Keras`。例如,在 `TensorFlow 2.x` 中已内置了 `Keras`,因此无需额外安装独立版 `Keras`。如果需要使用独立版,则需要注意两者的版本一致性。 #### 方法二:创建隔离的虚拟环境 为了避免全局环境中其他软件的影响,建议在新虚拟环境中执行上述安装过程。这一步骤已在引用中提及[^3],可通过如下命令实现: ```bash conda create -n tf_env python=3.8 conda activate tf_env ``` #### 方法三:强制忽略依赖关系(谨慎) 对于某些特殊情况,可能希望跳过部分依赖项检查。虽然此方法可能会引发潜在问题,但在必要情况下可用作临时解决方案: ```bash pip install --no-deps tensorflow keras-applications keras-preprocessing numpy ``` #### 使用 Conda 进行管理 相比于 `pip`,`Conda` 提供更强大的依赖管理和冲突解决能力。如果条件允许,推荐切换至 `Conda` 方式完成安装流程[^2]: ```bash conda install tensorflow keras-applications keras-preprocessing numpy ``` --- ### 示例代码片段 以下是一个简单的 Python 测试脚本,用于确认安装成功以及各组件之间的交互无误: ```python import tensorflow as tf from tensorflow import keras import numpy as np print(f"TensorFlow Version: {tf.__version__}") print(f"Keras Version: {keras.__version__}") print(f"Numpy Version: {np.__version__}") model = keras.Sequential([ keras.layers.Dense(1, input_shape=(1,)) ]) model.compile(optimizer='sgd', loss='mse') print("Model compiled successfully.") ``` --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值