首页 > TensorFlow 阅读:4,364

TensorFlow Keras及其用法(无师自通)

Keras 是与 TensorFlow 一起使用的更高级别的作为后端的 API。添加层就像添加一行代码一样简单。在模型架构之后,使用一行代码,你可以编译和拟合模型。之后,它可以用于预测。变量声明、占位符甚至会话都由 API 管理。

具体做法

  1. 定义模型的类型。Keras 提供了两种类型的模型:序列和模型类 API。Keras 提供各种类型的神经网络层:


     
  2. 在 model.add() 的帮助下将层添加到模型中。依照 Keras 文档描述,Keras 提供全连接层的选项(针对密集连接的神经网络):

    注意,密集层实现的操作:output=activation(dot(input,kernel)+bias),其中 activation 是元素激活函数,是作为激活参数传递的,kernel 是由该层创建的权重矩阵,bias 是由该层创建的偏置向量(仅在 use_bias 为 True 时适用)。

  3. 可以使用它来添加尽可能多的层,每个隐藏层都由前一层提供输入。只需要为第一层指定输入维度:


     
  4. 一旦模型被定义,需要选择一个损失函数和优化器。Keras 提供了多种损失函数(mean_squared_error、mean_absolute_error、mean_absolute_percentage_error、categorical_crossentropy 和优化器(sgd、RMSprop、Adagrad、Adadelta、Adam 等)。损失函数和优化器确定后,可以使用 compile(self,optimizer,loss,metrics=None,sample_weight_mode=None)来配置学习过程:


     
  5. 使用 fit 方法训练模型:


     
  6. 可以在 predict 方法 predict(self,x,batch_size=32,verbose=0) 的帮助下进行预测:

Keras 提供选项来添加卷积层、池化层、循环层,甚至是局部连接层。每种方法的详细描述在 Keras 的官方文档中可以找到:https://keras.io/models/sequential/