27、Keras构建、训练与保存神经网络模型全解析

Keras构建、训练与保存神经网络模型全解析

在深度学习领域，Keras提供了多种强大的API来构建、训练和保存神经网络模型。本文将详细介绍使用Keras的Sequential API、Functional API和Subclassing API构建模型的方法，以及如何保存和恢复模型，同时还会介绍回调函数的使用。

1. 使用Sequential API构建回归MLP

当我们完成分类多层感知器（MLP）的构建、训练、评估和使用后，接下来可以将注意力转向回归问题。以加州住房问题为例，我们可以使用Sequential API构建一个回归神经网络。

1.1 数据加载与预处理

首先，使用Scikit - Learn的 fetch_california_housing() 函数加载数据，该数据集仅包含数值特征且无缺失值。然后将数据划分为训练集、验证集和测试集，并对所有特征进行标准化处理。

from sklearn.datasets import fetch_california_housing 
from sklearn.model_selection import train_test_split 
from sklearn.preprocessing import StandardScaler 

housing = fetch_california_housing() 

X_train_full, X_test, y_train_full, y_test = train_test_split( 
    housing.data, housing.t