Loading... 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。 <p></p></div></div></div> 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) ``` <div class="tip inlineBlock info"> 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 © Allow specification reprint Support Appreciate the author AliPayWeChat Like 0 如果觉得我的内容对你有用,请随意赞赏