小白学CNN以及Keras的速成

【51CTO晃荡】8.26 带你与清华大年夜学、搜狗、京东大年夜咖们一路商量基于算法的IT运维实践

小白学CNN以及Keras的速成

一、为何要用Keras

如今在深度进修大年夜火的时刻，第三方对象也层出不穷，比较出名的有Tensorflow，Caffe，Theano，MXNet，在如斯多的第三方框架中频繁的改换无疑是很低效的，只要你可以或许好好控制个一一个框架，熟悉其道理，那么之后因为各类请求你想要改换框架也是很轻易的。

那么sherlock用的是哪个框架呢?sherlock应用的是Google的开源框架Tensorflow，因为Google开源了tensorflow之后其社区异常活泼，并且版本更新也异常稳定，所以我就选择了这个框架。对于框架之争，在知乎上已经有很多人在撕逼了，这个就比如哪种编程说话好这个问题一样。对于我们来讲，选择一个稳定的框架，好好的进修deep learning才是重中之重，对于哪种框架更好的问题，我们学好之后天然有本身的看法，所以前期切忌在刷知乎听完大年夜神撕逼之后频繁改换框架。

对于Tensorflow的安装，以及CPU和GPU版本，各类体系的安装网上已经有很多人具体的写过攻略了，可以本身去网上搜一搜，很轻易就可以安装成功。

选择了Tensorflow之后，我们就可以高兴的开端我们的深度进修之旅了。去Tensorflow的中文社区，可以看到有一些新手教程，网上也有很多进修材料，推荐看看stanford大年夜学cs224d的课件，http://cs224d.stanford.edu/lectures/CS224d-Lecture7.pdf，很具体的介绍了tensorflow。然后你就可以写tensorflow的法度榜样了。固然说tensorflow已经是一个封装好的框架，然则你发明你写一个简单的神经收集也须要很多行才能够写完，这个时刻，就有很多的第三方才架来赞助你写收集，也就是说你用tensorflow要写10行，第三方才架帮你封装了一个函数，就是把这10行集合在这个函数琅绫擎，那么你用1行，传入雷同的参数，就可以或许达到10行雷同的效不雅，如斯简便并且节约时光，可以赞助很快的实现我们的设法主意。

总结

下面就给一个简单的例子，来看一看Keras到底有多简单。

from keras.models import Sequential 
 
model = Sequential()

from keras.layers import Dense, Activation 
 
model.add(Dense(units=64, input_dim=100)) 
 
model.add(Activation('relu')) 
 
model.add(Dense(units=10)) 
 
model.add(Activation('softmax'))

可以看到参加层很简单，只须要写.add，后面是要加的层的类型。

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

一旦你写好了收集之后，就可以用compile编译全部收集，看参数设置有没有问题

惹人sequential，这个就是一个空的收集构造，并且这个构造是一个次序的序列，所以叫Sequential，Keras琅绫擎还有一些其他的收集构造。

model.compile(loss=keras.losses.categorical_crossentropy, 
 
optimizer=keras.optimizers.SGD(lr=0.01,momentum=0.9,nesterov=True))

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

这个就像scikit-learn一样练习模型。

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

这个就是评估练习结不雅。

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

或者是经由过程predict进行猜测。

你也可以自定义个中的优化函数，就像膳绫擎如许，’sgd’是Keras已经写好了一些默认参数的优化函数，你可以本身从新定义参数，获得一个优化函数。

看了膳绫擎的代码，信赖很多熟悉scikit-learn的同窗都很亲切，因为确切很简便，跟scikit-learn也有着类似的语法。

在懂得CNN之前，我们有须要先懂得一下什么是神经收集，如许才能开端懂得更高等的卷积神经收集。

1/8 1 2 3 4 5 6 下一页尾页

　　推荐阅读

　　MySQL高可用数据库内核深度优化的四重定制

【51CTO晃荡】8.26 带你与清华大年夜学、搜狗、京东大年夜咖们一路商量基于算法的IT运维实践一、UDB高可用数据库架构 UDB以虚拟IP、HAProxy、单节点UDB数据库搭建双节点高可用架构：>>>详细阅读

本文标题：小白学CNN以及Keras的速成

地址：http://www.17bianji.com/lsqh/36937.html

1/2 1