8、使用Keras进行深度学习：从基础实现到模型评估

使用Keras进行深度学习：从基础实现到模型评估

1. Keras基础与迭代计算

在使用Keras进行深度学习时，我们需要了解一些基本概念，例如迭代次数的计算。假设我们有一个大小为 n = 400 的数据集，选择 batch_size = 5 和 epochs = 20 。在这种情况下，优化器在一次遍历整个数据集时将有 400 / 5 = 80 次迭代。由于要遍历整个数据集20次，因此总共将有 80 * 20 次迭代。

在Keras中构建模型时，需要选择用于训练模型的优化器类型。除了SGD和Adam之外，Keras还提供了其他一些选项。你可以在 这里 了解Keras中优化器的所有可能选项。

所有活动都将在Jupyter笔记本中进行。请从 这里 下载包含所有准备好的模板的GitHub存储库。

2. 使用Keras实现神经网络 - 练习10

本练习将学习使用Keras实现神经网络的逐步过程。首先，执行以下代码块以生成一个包含200个数据点、分为两类的模拟数据集，每个数据示例有10个特征值：

# create some simulated classification data
import