Keras学习一快速开始

Keras的核心数据结果是‘模型’，模型是一种组织网络层的方式。Keras中主要模型是Squential模型，Sequential是一系列网络层按顺序构成的栈。

#coding=utf-8

from keras.models import Sequential

from keras.layers import Dense,Activation

#创建Sequential模型

model=Sequential()

model.add(Dense=64,input_dim=100)

model.add(Activation('relu'))

model.add(Dense(units=10))

model.add(Activation('softmax'))

#编译模型：编译模型时，必须指定损失函数和优化器，可以自己定制损失函数。用户可以根据自己的需要定制自己的模型、网络层，甚至修改源码

from keras.optimizers import SGD

model.compile(loss='categorical_crossentropy',optimizer='sgd',metrics=['accuracy'])

# model.compile(loss='categorical_crossentropy',optimizer=SGD(lr=0.01,momentum=0.9,nesterov=True))

#训练模型

model.fit(x_train,y_train,epochs=5,batch_size=32)

#批量训练 model.train_on_batch(x_batch,y_batch)

#模型评估

loss_and_metrics=model.evaluate(x_test,y_test,batch_size=128)

#模型预测

classes=model.predict(X,batch_size=128)