keras + tensorflow 基本使用 —

theano 以及 TensorFlow 是 keras 的 backend（后端支持），因此，keras 本质上是对 thenao 或者 TensorFlow 的进一步封装（wrapper）。

keras 安装完成之后，会自动在用户 home 目录创建.keras/keras.json文件，用于配置 keras 的一些基本信息：
- "backend": "tensorflow"
- from keras.datasets import mnist ⇒ mnist.load_data()，在线下载的 mnist.npz也是在该文件夹下；

0. 查看后端

>> from keras import backend
>> backend.image_dim_ordering()
'tf'
>> backend.image_data_format()
'channels_last'

1. 内置数据集

mnist

>> from keras.datasets import mnist
>> (X_train, y_train), (X_test, y_test) = mnist.load_data()
>> X_train.shape
(60000, 28, 28)
>> y_train.shape
(60000,)
>> X_test.shape
(10000, 28, 28)
>> y_test.shape
(10000,)

2. keras 下的 packages

keras.layers（对 layer 的抽象）
- from keras.layers import Input：输入层（首字母大写，是一个类，表示输入层），类构造函数接受的参数分别有，
  - shape：tuple 类型，标识维度信息
- from keras.layers import Dense：全连接层，该类构造函数接收的参数分别有：
  - output_dim：下一层的神经元的数目
  - activation：字符串类型，默认为'linear'，所以一定要使用关键字参数的形式，对其进行设置；
keras.models（对最终训练学习到的模型进行抽象）
- from keras.models import Model，其构造函数接受的参数分别为：
  - input，输入
  - output，输出
  - 很像 theano 下的 theano.function(...)
Model 类更为重要的是其丰富的成员函数，ae = Model(input=…, output=…)
- ae.compile()，参数列表主要有：
  - optimizer：字符串类型，adam/...
  - loss：字符串类型，mse/...
- ae.fit()，用于正式的训练，参数列表主要有：
  - x, y：输入和输出，比如对于自编码器，x 和 y 是一致的；
  - shuffle：是否 shuffle 数据
- ae.predict()：对单个的样本进行预测；

3. 网络搭建

from keras.models import Sequential
from keras.layers import Embedding, SimpleRNNmodel = Sequential()
model.add(Embedding(10000, 32))
model.add(SimpleRNN(32))#
model.summary()
model.pop()# 移除最后添加的层

model.pop()：移除最后添加的层
model.output_shape：查看输出层（也即最后添加的层）的大小；

references

Keras FAQ: 常见问题解答

keras + tensorflow 基本使用 —— backend相关推荐

DL之CNN：基于CNN-RNN(GRU,2)算法(keras+tensorflow)实现不定长文本识别
DL之CNN:基于CNN-RNN(GRU,2)算法(keras+tensorflow)实现不定长文本识别目录输出结果实现代码输出结果后期更新-- 实现代码后期更新-- image_ocr代 ...
Keras TensorFlow教程：如何从零开发一个复杂深度学习模型
Keras 是提供一些高可用的 Python API ,能帮助你快速的构建和训练自己的深度学习模型,它的后端是 TensorFlow 或者 Theano .本文假设你已经熟悉了 TensorFlow ...
【前沿】何恺明大神ICCV2017最佳论文Mask R-CNN的Keras/TensorFlow/Pytorch 代码实现
我们提出了一个概念上简单.灵活和通用的用于目标实例分割(object instance segmentation)的框架.我们的方法能够有效地检测图像中的目标,同时还能为每个实例生成一个高质量的分割掩 ...
Keras TensorFlow 混编中 trainable=False设置无效
Keras TensorFlow 混编中 trainable=False设置无效这是最近碰到一个问题,先描述下问题: 首先我有一个训练好的模型(例如vgg16),我要对这个模型进行一些改变,例如添加 ...
菜尼奥排错之keras ‘tensorflow.compat.v2.__internal__‘ has no attribute ‘register_clear_session_function‘
环境版本: Ubuntu 16.04.2 LTS Nvidia GeForce RTX 3080*2 CUDA Version 11.2 tensorflow 2.5.0 keras 2.7.0 报 ...
Keras TensorFlow教程：使用自己的数据集进行训练
大多数Keras教程都尝试使用图像分类数据集(如MNIST(手写识别)或基本对象CIFAR-10(基本对象识别))来开启Keras库的基础知识学习. 这篇文章将对Keras入门教程进行不同的尝试.使用 ...
使用Keras/TensorFlow模型构建属于你的Chatbot API
很多人认为,构建自己的聊天机器人(或助手)并不复杂.各种聊天机器人平台正在使用分类模型来识别用户意图.显然,在现有平台上构建聊天机器人时,会得到强有力的提升.为什么不自己使用类似的模型,构建一个独属于 ...
Ubuntu18.04安装keras(tensorflow)从无到有实录
今天演示一下在Ubuntu18.04上安装keras (后端tensorflow CPU版本)的过程. 整个过程我们在云上安装. 部署云主机随便找一家云服务提供商,国内有阿里,腾讯,百度,金山,京东 ...
keras/tensorflow 模型保存后重新加载准确率为0 model.save and load giving different result
我在用别人的代码跑程序的时候遇到了这个问题: keras 模型保存后重新加载准确率为0 GitHub上有个issue:model.save and load giving different resu ...

keras + tensorflow 基本使用 —— backend

0. 查看后端

1. 内置数据集

2. keras 下的 packages

3. 网络搭建

references

keras + tensorflow 基本使用 —— backend相关推荐

最新文章

热门文章