keras 的使用

最新推荐文章于 2025-09-13 23:06:41 发布

weixin_30619101

最新推荐文章于 2025-09-13 23:06:41 发布

阅读量47

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能 python 后端

原文链接：http://www.cnblogs.com/mtcnn/p/9422933.html

本文介绍了Keras框架及其与Theano及TensorFlow的关系。Keras作为高级API，封装了底层细节，简化了神经网络的设计与搭建过程。文章详细解释了如何使用Keras进行模型定义、编译、训练和预测。

theano 以及 TensorFlow 是 keras 的 backend（后端支持），因此，keras 本质上是对 thenao 或者 TensorFlow 的进一步封装（wrapper）。

keras 安装完成之后，会自动在用户 home 目录创建.keras/keras.json文件，用于配置 keras 的一些基本信息：
- "backend": "tensorflow"

keras.layers（对 layer 的抽象）
- from keras.layers import Input：输入层（首字母大写，是一个类，表示输入层），类构造函数接受的参数分别有，
  - shape：tuple 类型，标识维度信息
- from keras.layers import Dense：全连接层，该类构造函数接收的参数分别有：
  - output_dim：下一层的神经元的数目
  - activation：字符串类型，默认为'linear'，所以一定要使用关键字参数的形式，对其进行设置；
keras.models（对最终训练学习到的模型进行抽象）
- from keras.models import Model，其构造函数接受的参数分别为：
  - input，输入
  - output，输出
  - 很像 theano 下的 theano.function(...)
Model 类更为重要的是其丰富的成员函数，ae = Model(input=…, output=…)
- ae.compile()，参数列表主要有：
  - optimizer：字符串类型，adam/...
  - loss：字符串类型，mse/...
- ae.fit()，用于正式的训练，参数列表主要有：
  - x, y：输入和输出，比如对于自编码器，x 和 y 是一致的；
  - shuffle：是否 shuffle 数据
- ae.predict()：对单个的样本进行预测；

转载于:https://www.cnblogs.com/mtcnn/p/9422933.html