keras知识点笔记
来源:互联网 发布:商场女装品牌推荐 知乎 编辑:程序博客网 时间:2024/04/27 07:16
Keras主要包括14个模块,本文主要对Models、layers、Initializations、Activations、Objectives、Optimizers、Preprocessing、metrics共计8个模块分别展开介绍,并通过一个简单的Bp神经网络说明各个模块的作用。
1. Model
包:keras.models
这是Keras中最主要的一个模块,用于对各个组件进行组装
eg:
from keras.models import Sequentialmodel=Sequential() #初始化模型model.add(...) #可使用add方法组装组件
2. layers
包:keras.layers
该模块主要用于生成神经网络层,包含多种类型,如Core layers、Convolutional layers等
eg:
from keras.layers import Dense #Dense表示Bp层model.add(Dense(input_dim=3,output_dim=5)) #加入隐含层
3. Initializations
包:keras.initializations
该模块主要负责对模型参数(权重)进行初始化,初始化方法包括:uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal等
详细说明:http://keras.io/initializations/
eg:
model.add(Dense(input_dim=3,output_dim=5,init='uniform')) #加入带初始化(uniform)的隐含层
4. Activations
包:keras.activations、keras.layers.advanced_activations(新激活函数)
该模块主要负责为神经层附加激活函数,如linear、sigmoid、hard_sigmoid、tanh、softplus、relu、 softplus以及LeakyReLU等比较新的激活函数
详细说明:http://keras.io/activations/
eg:
model.add(Dense(input_dim=3,output_dim=5,activation='sigmoid')) 加入带激活函数(sigmoid)的隐含层
Equal to:
model.add(Dense(input_dim=3,output_dim=5)) model.add(Activation('sigmoid'))
5. Objectives
包:keras.objectives
该模块主要负责为神经网络附加损失函数,即目标函数。如mean_squared_error,mean_absolute_error ,squared_hinge,hinge,binary_crossentropy,categorical_crossentropy等,其中binary_crossentropy,categorical_crossentropy是指logloss
注:目标函数的设定是在模型编译阶段
详细说明:http://keras.io/objectives/
eg:
model.compile(loss='binary_crossentropy', optimizer='sgd') #loss是指目标函数
6. Optimizers
包:keras.optimizers
该模块主要负责设定神经网络的优化方法,如sgd。
注:优化函数的设定是在模型编译阶段
详细说明:http://keras.io/optimizers/
eg:
model.compile(loss='binary_crossentropy', optimizer='sgd') #optimizer是指优化方法
7. Preprocessing
包:keras.preprocessing.(image\sequence\text)
数据预处理模块,不过本人目前尚未用过
8. metrics
包:keras.metrics
与sklearn中metrics包基本相同,主要包含一些如binary_accuracy、mae、mse等的评价方法
eg:
predict=model.predict_classes(test_x) #输出预测结果keras.metrics.binary_accuracy(test_y,predict) #计算预测精度
9. Bp 神经网络的简单实现
from keras.models import Sequential #导入模型from keras.layers import Dense #导入bp层train_x,train_y #训练集test_x,text_y #测试集model=Sequential() #初始化模型model.add(Dense(input_dim=3,output_dim=3,activation='sigmoid',init='uniform'))) #添加一个隐含层,注:只是第一个隐含层需指定input_dimmodel.add(Dense(1,activation='sigmoid')) #添加输出层model.compile(loss='binary_crossentropy', optimizer='sgd') # 编译,指定目标函数与优化方法model.fit(train_x,train_y ) # 模型训练model.evaluate(test_x,text_y ) #模型测试
- keras知识点笔记
- keras笔记
- Keras中文文档知识点整理
- Keras笔记(一)关于Keras模型
- Keras学习笔记---keras做回归问题
- Keras学习笔记:Chapter1-Keras入门
- Keras学习笔记:Chapter2-初探Keras模型
- Keras笔记 -- objective
- Keras笔记(一)
- keras-学习笔记
- Keras笔记 -- objective
- Keras学习笔记(1)
- keras学习笔记(一)
- keras的零碎笔记
- keras学习笔记
- 【Keras学习笔记】-Autoencoding
- keras相关笔记记载
- Keras学习笔记---一
- 使用eclipse构建现有的maven项目开发环境
- Sumset 递推 poj2299
- java实现分组算法,根据每组多少人来进行分组
- 机器学习入门-深度学习
- apk打包流程
- keras知识点笔记
- AC自动机
- Android 数据库(2)-----SQLite使用
- 深层次理解JNI中的GetArray<PrimitiveType>Elements()函数
- bashshell if read for while until 的使用
- 多因子模型之因子(信号)测试平台----计算因子值
- ubuntu python 安装遇到的坑
- ECMAScript
- 笔试常见算法小结