Keras学习笔记1——Keras简介_keras模块结构-优快云博客

Keras简介

Keras: 基于 Python 的深度学习库。
Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化。

Keras安装

根据已经安装的TensorFlow版本安装Keras： pip install Kears==2.3.1
在这里插入图片描述

Keras使用

参考：深度学习：Keras入门(一)之基础篇

Keras的模块结构

在这里插入图片描述

使用Keras搭建一个神经网络

在这里插入图片描述

数据格式

目前主要有两种方式表示张量：
a) Theano和caffe使用 th 模式 (或叫channels_first模式);
b) TensorFlow使用 tf 模式 (或叫channels_last模式)。
举例：对于100张 RGB 3通道的16×32（高为16宽为32）彩色图，区别是通道个数的位置不一样。
th模式：（100,3,16,32）
tf 模式：（100,16,32,3）

模块

models

用于对各个组件进行组装

from keras.models import Sequential
from keras.models import Model

Keras有两种类型的模型，序贯模型（Sequential）和函数式模型（Model）:
a）序贯模型（Sequential)：单输入单输出，一条路通到底，层与层之间只有相邻关系，没有跨层连接。这种模型编译速度快，操作也比较简单
b）函数式模型（Model）：多输入多输出，层与层之间任意连接。这种模型编译速度慢。

# 初始化模型
model = Sequential()
# 可使用add方法组装组件
model.add(Convolution2D(
    batch_input_shape=(None, 1, 28, 28),
    filters=32,
    kernel_size=5,
    strides=1,
    padding='same',     # Padding method
    data_format='channels_first',
))
model.add(Activation('relu'))
model.compile(optimizer=adam,
              loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit（）

具体使用介绍，参见
keras.models.Sequential()
keras.models.Model()

layers

该模块主要用于生成神经网络层，包含多种类型，如Core layers、Convolutional layers、recurrent layers、advanced_activations layers、normalization layers、embeddings layers等。

# Dense ：全连接层
from keras.layers import Dense
# 激活函数
from keras.layers import Activation
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
# CNN的全连接层之前需要把二维特征图flatten成为一维的
from keras.layers import Flatten