Keras如何构造简单的CNN网络
来源:互联网 发布:服装行业进销存软件 编辑:程序博客网 时间:2024/06/05 14:17
1. 导入各种模块
基本形式为:
import 模块名
from 某个文件 import 某个模块
2. 导入数据(以两类分类问题为例,即numClass = 2)
训练集数据data
可以看到,data是一个四维的ndarray
训练集的标签
3. 将导入的数据转化我keras可以接受的数据格式
keras要求的label格式应该为binary class matrices,所以,需要对输入的label数据进行转化,利用keras提高的to_categorical函数
label = np_utils.to_categorical(label, numClass
此时的label变为了如下形式
(注:PyCharm无法显示那么多的数据,所以下面才只显示了1000个数据,实际上该例子所示的数据集有1223个数据)
4. 建立CNN模型
以下图所示的CNN网络为例
#生成一个modelmodel = Sequential()#layer1-conv1model.add(Convolution2D(16, 3, 3, border_mode='valid',input_shape=data.shape[-3:]))model.add(Activation('tanh'))#tanh# layer2-conv2model.add(Convolution2D(32, 3, 3, border_mode='valid'))model.add(Activation('tanh'))#tanh# layer3-conv3model.add(Convolution2D(32, 3, 3, border_mode='valid'))model.add(Activation('tanh'))#tanh# layer4model.add(Flatten())model.add(Dense(128, init='normal'))model.add(Activation('tanh'))#tanh# layer5-fully connectmodel.add(Dense(numClass, init='normal')) model.add(Activation('softmax'))
#
sgd = SGD(l2=0.1,lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd,class_mode="categorical")
5. 开始训练model
利用model.train_on_batch或者model.fit
0 0
- Keras如何构造简单的CNN网络
- Keras如何构造简单的CNN网络
- 基于keras建立简单的CNN
- Keras实现一个简单的CNN的分类例子
- 基于Keras的CNN框架
- keras学习笔记(1)CNN网络
- keras学习笔记(1)CNN网络
- keras学习笔记(1)CNN网络
- keras程序—最简单CNN实现
- keras构建特定结构的CNN
- CNN眼中的世界:利用Keras解释CNN的滤波器
- 利用keras搭建神经卷积网络(CNN)
- stacked CNN深度卷积网络的简单介绍
- 基于tensorflow实现的简单卷积网络(CNN)
- 基于Keras实现CNN
- keras mnist cnn example
- Keras CNN 数字识别
- Keras with R (CNN)
- 菜鸟的Android学习笔记(二)
- 第一个deeplearning4jproject跑起
- (转)Eclipse 下找不到或无法加载主类的解决办法
- PyCharm使用技巧记录(一)如何查看变量
- 到底该如何入门Keras、Theano呢?(浅谈)
- Keras如何构造简单的CNN网络
- 张老师:Condition多路例子
- PyCharm如何设置显示行号?
- Python/Keras如何将给定的数据集打乱
- Python如何进行cross validation training
- 数据结构 顺序串的各种基本运算
- Python常用函数
- Vistual Studio中常用快捷键
- Flex 布局教程:语法篇