Keras:基于Theano和TensorFlow的深度学习库之中文文档
2016-05-06 14:01
351 查看
Keras官网:http://keras.io/
Github项目:https://github.com/fchollet/keras
中文文档主页:http://keras-cn.readthedocs.io/en/latest/
Github中文文档:https://github.com/MoyanZitto/keras-cn.git
本博客主要给出某些必备的部分(一直更新中),详细内容请移步至Github以及MoyanZitto的主页。
Keras的核心数据结构是“模型”,模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型,Sequential是一系列网络层按顺序构成的栈。
Sequential模型如下:
将一些网络层通过.add()堆叠起来,就构成了一个模型:
完成模型的搭建后,我们需要使用.compile()方法来编译模型:
编译模型时必须指明损失函数和优化器,如果你需要的话,也可以自己定制损失函数。Keras的一个核心理念就是使得事情在简单的同时,保证用户对他们希望做的事情有足够的控制力度(最绝对的控制来自于源代码的可扩展性)
完成模型编译后,我们在训练数据上按batch进行一定次数的迭代训练,以拟合网络:
当然,我们也可以手动将一批批的数据送入网络中训练,这时候需要使用:
随后,我们可以使用一行代码对我们的模型进行评估,看看模型的指标是否满足我们的要求:
或者,我们可以使用我们的模型,对新的数据进行预测:
未完
Github项目:https://github.com/fchollet/keras
中文文档主页:http://keras-cn.readthedocs.io/en/latest/
Github中文文档:https://github.com/MoyanZitto/keras-cn.git
本博客主要给出某些必备的部分(一直更新中),详细内容请移步至Github以及MoyanZitto的主页。
第一部分:快速开始Keras |
Sequential模型如下:
from keras.models import Sequential model = Sequential()
将一些网络层通过.add()堆叠起来,就构成了一个模型:
from keras.layers.core import Dense, Activation model.add(Dense(output_dim=64, input_dim=100)) model.add(Activation("relu")) model.add(Dense(output_dim=10)) model.add(Activation("softmax"))
完成模型的搭建后,我们需要使用.compile()方法来编译模型:
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
编译模型时必须指明损失函数和优化器,如果你需要的话,也可以自己定制损失函数。Keras的一个核心理念就是使得事情在简单的同时,保证用户对他们希望做的事情有足够的控制力度(最绝对的控制来自于源代码的可扩展性)
from keras.optimizers import SGD model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))
完成模型编译后,我们在训练数据上按batch进行一定次数的迭代训练,以拟合网络:
model.fit(X_train, Y_train, nb_epoch=5, batch_size=32)
当然,我们也可以手动将一批批的数据送入网络中训练,这时候需要使用:
model.train_on_batch(X_batch, Y_batch)
随后,我们可以使用一行代码对我们的模型进行评估,看看模型的指标是否满足我们的要求:
loss_and_metrics = model.evaluate(X_test, Y_test, batch_size=32)
或者,我们可以使用我们的模型,对新的数据进行预测:
classes = model.predict_classes(X_test, batch_size=32) proba = model.predict_proba(X_test, batch_size=32)
未完
相关文章推荐
- 查看github pages文档的方式
- 使用BAE的基于Web.py的简单博客程序
- 两分钟学会如何在github托管代码
- Android自定义View实现仿GitHub的提交活跃表格
- github配置使用指南
- github版本库使用详细图文教程(命令行及图形界面版)
- python使用心得之获得github代码库列表
- C语言实现的轻量级brainfuck语言解释器
- My Machine Learning
- 机器学习---学习首页 3ff0
- 利用GitHook构建持续交付和部署
- Android projects on Github
- CUDA搭建
- 稀疏自动编码器 (Sparse Autoencoder)
- 白化(Whitening):PCA vs. ZCA
- softmax回归
- 卷积神经网络初探
- git 提交步骤记录(oschina&github)
- github第三方 ios客户端比较推荐:iOctocat? CodeHub?NapCat?