keras学习第一课

Alpha

November 14, 2020

316 views

No comments

1880 words

python 编程技术

2020.11.14，在一番繁琐的安装之后，终于把keras安装上了

迫不及待的开始试验

keras的后端引擎是tensorflow

<div class="panel panel-default collapse-panel box-shadow-wrap-lg"><div class="panel-heading panel-collapse" data-toggle="collapse" data-target="#collapse-8a42d87abf25c94ee38b324c4a3049185" aria-expanded="true"><div class="accordion-toggle"><span style="">keras介绍</span>
<i class="pull-right fontello icon-fw fontello-angle-right"></i>
</div>
</div>
<div class="panel-body collapse-panel-body">
<div id="collapse-8a42d87abf25c94ee38b324c4a3049185" class="collapse collapse-content"><p></p>

引用文献：keras官网

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 [TensorFlow](https://github.com/tensorflow/tensorflow), [CNTK](https://github.com/Microsoft/cntk), 或者 [Theano](https://github.com/Theano/Theano) 作为后端运行。Keras 的开发重点是支持快速的实验。*能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。*

如果你在以下情况下需要深度学习库，请使用 Keras：

* 允许简单而快速的原型设计（由于用户友好，高度模块化，可扩展性）。
* 同时支持卷积神经网络和循环神经网络，以及两者的组合。
* 在 CPU 和 GPU 上无缝运行。

我通过anaconda安装了GPU和CPU版本，由于我的GPU内存较低

下面是keras简单的小例子

```python
from keras.datasets import mnist
(train_images,train_labels),(test_images,test_labels) = mnist.load_data()
#导入MNIST数据集
from keras import models 
from keras import layers #导入层
network = models.Sequential()
network.add(layers.Dense(512, activation='relu',input_shape=(28 * 28,)))  #relu函数
network.add(layers.Dense(10, activation='softmax'))  #softmax函数

network.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy'])  #编译步骤

#准备图像数据
train_images = train_images.reshape((60000, 28 * 28))
train_images = train_images.astype('float32') / 255
test_images = test_images.reshape((10000, 28 * 28))
test_images = test_images.astype('float32') / 255

#准备标签
from keras.utils import to_categorical
train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)

拟合操作
network.fit(train_images, train_labels, epochs=2, batch_size=10)
```

执行结果如下
</div>

```python
...
59910/60000 [============================>.] - ETA: 0s - loss: 0.1182 - acc: 0.9726
59990/60000 [============================>.] - ETA: 0s - loss: 0.1180 - acc: 0.9726
60000/60000 [==============================] - 45s 749us/step - loss: 0.1180 - acc: 0.9726
```

可以看到精确度为97.26%

以上过程就是keras的hello world！

说明，也许你的结果会不一样，我测试的最高精度为99%

Last modification：November 20, 2020

如果觉得我的内容对你有用，请随意赞赏

keras学习第一课

Alpha • 2020 年 11 月 14 日

Leave a Comment Cancel reply 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

keras学习第一课

Leave a Comment Cancel reply
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款