u012526436的博客

keras最优雅的地方还是在于其fit函数，自动验证，灵活的callback，batch_size、epochs的简单设置，相比于tensorflow需要自己编写验证代码，自己编写循环模块来实现多个epoch的训练，可谓是简单了太多。那么fit函数到底做了些什么呢，本文将会带领大家一起探讨其中的原理。代码分析首先，fit函数会对batch_size进行一个验证，这里调用了另外一个函数batc...

对于深度学习的coder来说，首先需要选择一个合适的深度学习框架，之前一直用的tensorflow，偶尔会用下keras和pytorch，在tf2.0推出之后集成了keras的api，因此打算记录一些keras框架中可能会遇到的一些坑。1、RNN的stateful对于RNN结构的网络有一个参数stateful，如果设置为True则每个batch_size的最后一个时刻的隐藏状态会被保存下来，作...

简介本文主要是对class Layer(object)代码的分析，keras所有的层都是Layer的父类，class Sequential(Model)继承了keras/engine/training.py中的Model类，而Model类则继承了同目录下的keras/engine/topology.py中的Container类，Container类继承了同文件中的Layer类，所以说Layer类...

上一篇博客我们分析了Layer类的源码，本文将会分析下Dense的源码。本文主要讲解一下Dense层的源码，Dense层即最常用的全连接层，代码很简单，主要是重写了build与call方法，在我们自定义Layer时，也可以参考该层的实现。class Dense(Layer): def __init__(self, units, activation=...

前言做为一个tensorflow的忠实用户，一直对keras有一种‘鄙视’之心，直到tf2.0决定添加keras的api后，我改变了这种想法。keras上手简单能快速复原模型，不用再一直玩矩阵变化，其次相比自己写的tf代码，日志输出更加合理，总感觉自己对tf的封装还是做的不尽如人意，这也是我为什么打算出一个keras源码分析专题的原因。后续的文章，会对所有keras的代码进行分析讲解，并结合一些...

上一篇博客我们分析了Layer类的源码，本文将会分析下Input的源码。所有的Function api 都需要定义一个Input，Input是InputLayer的实例化对象，InputLayer继承于Layer层，并重写了init方法和get_config方法，InputLayer多了一个额外的参数sparse，该参数的意思是输入值placeholder是否是稀疏的，我们先详细看下InputL...