keras学习之二：神经网络模型的使用

简介

keras提供了两种模型，一种是Sequential,译做序列型模型。另一种是Functional，译做函数型模型。二者可以从使用形式来区分，序列模型可以看做是面向对象的方法，一系列对象协作完成任务。函数模型则是一系列的过程调用来完成任务。

序列模型的概念比较简单，就是把一些基础神经网络层组件一个个串联起来形成一个完整的模型，在此模型上进行训练，从而完成学习任务。
函数模型就是一系列的方法调用，一步步的过程来保证完成学习任务。

序列模型

序列模型实现在keras.models模块内，模块提供了模型的保存和重新加载的功能，方便我们可以中断和重新开始一个训练过程。

• save_model(model,path)
• load_model(path)

Sequential类

• add(layer) 向链尾追加一层神经网络层
• pop() 删除尾部的神经网络层
• compile(optimizer,loss,metrics) 配置模型的训练参数
  
  • optimizer 选择使用的优化方法，提供下列可选项
    
    • SGD(Stochastic gradient descent) 随机梯度下降
    • RMSprop，RNN的好选择
    • Adagrad
    • Adadelta 文献
    • Adam 文献
    • Nadam