人工智能学习笔记-Keras介绍及简单应用

---

1 Keras介绍及安装

1.1 什么是Keras

Keras 是一个基于 Python 的高层神经网络库，其可以使用 Tensorflow、Theano 以及 CNTK 等著名深度学习框架作为后端。Keras 的设计理念为简单而便捷，你可以通过几行代码构建一个复杂的卷积神经网络或循环神经网络。

1.2 一些基本概念

1.2.1 符号计算

笼统的说，符号主义的计算首先定义各种变量，然后建立一个“计算图”，计算图规定了各个变量之间的计算关系。建立好的计算图需要编译以确定其内部细节，然而，此时的计算图还是一个“空壳子”，里面没有任何实际的数据，只有当你把需要运算的输入放进去后，才能在整个模型中形成数据流，从而形成输出值。
个人理解，计算图就可以看做一个更加复杂的公式，代入数据获得输出。

1.2.1 张量

通俗的讲就是多维数组，我们用张量来表示广泛的数据类型,来代入计算图中参与计算。
张量的阶数有时候也称为维度，或者轴，轴这个词翻译自英文axis。譬如一个矩阵[[1,2],[3,4]]，是一个2阶张量，有两个维度或轴，沿着第0个轴（为了与python的计数方式一致，本文档维度和轴从0算起）你看到的是[1,2]，[3,4]两个向量，沿着第1个轴你看到的是[1,3]，[2,4]两个向量

1.3 安装

python、tensorflow、numpy等常用环境安装就不再概述了，必须tensorflow环境安装好了再运行下面命令

# CPU 版本 Tensorflowsudo pip install --upgrade tensorflow# Keras 安装sudo pip install keras

Keras 已经默认采用 Tensorflow 作为后端，一般情况下，也无必要再采用 Theano 作为后端了。

2 使用演示

2.1 一个简单神经网络

一个同样的神经网络，Tensorflow、Theano需要敲一堆代码，而Keras只需要简单的几行代码。
下面代码演示建立一个网络，它与介绍Tensorflow、Theano时候演示用的是同样的网络，明显简单了很多：

#coding=utf-8import matplotlib.pyplot as pltimport numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense, Activationfrom keras.optimizers import SGD#随机生成一份数据x_data = np.linspace(-1,1,30)[:,np.newaxis]noise = np.random.normal(0,0.05,x_data.shape)y_data = np.square(x_data) - 0.5 + noise#定义函数模型，序惯model = Sequential()#添加一个10个神经元的隐藏层,激励函数relumodel.add(Dense(10,activation='relu', input_dim=1))#添加一个输出层model.add(Dense(1))#随机梯度下降，学习率0.1sgd = SGD(lr=0.1)#编译，损失函数是平方差model.compile(loss='mse', optimizer=sgd, metrics=['accuracy'])#开始训练，训练100次，每次取10个数据model.fit(x_data, y_data, epochs=100, batch_size=10)#测试与展示结果plt.scatter(x_data, y_data)testx = np.linspace(-1,1,100)[:,np.newaxis]testy=model.predict_on_batch(testx)testy = testy.reshape((100,))testx = testx.reshape((100,))#print(testx)print(testy)plt.plot(testx,testy, c='r')plt.show()

代码运行的展示结果如下：

2.2 模型可视化

用可是化工具，展示2.1中的模型结构

#需要安装如下环境sudo apt-get install graphvizsudo pip install pydot-ngsudo pip install graphviz

然后再添加如下代码输出图片

from keras.utils import plot_modelplot_model(model,to_file='model.png')

最总展示2.1中网络的模型结构如下：

参考阅读

• keras中文文档