Keras学习(一)
来源:互联网 发布:云免流软件下载 编辑:程序博客网 时间:2024/05/06 21:29
看见知乎上说Keras不错,基于Python的,后台是基于Theano或Tensorflow。
安装
环境:ubuntu14.04
首先,安装python环境、theano和keras
sudo apt-get install python-numpy python-scipy python-dev python-pip python-nose g++ libopenblas-dev gitsudo pip install Theanosudo pip install keras
数据及代码准备
根据博客,下载mnist.zip数据及github上的cnn.py和data.py,解压到同一个目录下:
注意:keras默认的后台是tensorflow,改成theano,修改~/.keras/keras.json文件即可:
image_dim_ordering和backend两个参数都要修改(默认是tf和tensorflow)。
训练CNN模型
执行python cnn.py文件,即可执行训练:
跑了10个epoch,准确率将近99%!
下面通过代码看看CNN长得啥样:
################开始建立CNN模型################生成一个modelmodel = Sequential()#第一个卷积层,4个卷积核,每个卷积核大小5*5。1表示输入的图片的通道,灰度图为1通道。#border_mode可以是valid或者full,具体看这里说明:http://deeplearning.net/software/theano/library/tensor/nnet/conv.html#theano.tensor.nnet.conv.conv2d#激活函数用tanh#你还可以在model.add(Activation('tanh'))后加上dropout的技巧: model.add(Dropout(0.5))model.add(Convolution2D(4, 5, 5, border_mode='valid',input_shape=(1,28,28))) model.add(Activation('tanh'))#第二个卷积层,8个卷积核,每个卷积核大小3*3。4表示输入的特征图个数,等于上一层的卷积核个数#激活函数用tanh#采用maxpooling,poolsize为(2,2)model.add(Convolution2D(8, 3, 3, border_mode='valid'))model.add(Activation('tanh'))model.add(MaxPooling2D(pool_size=(2, 2)))#第三个卷积层,16个卷积核,每个卷积核大小3*3#激活函数用tanh#采用maxpooling,poolsize为(2,2)model.add(Convolution2D(16, 3, 3, border_mode='valid')) model.add(Activation('tanh'))model.add(MaxPooling2D(pool_size=(2, 2)))#全连接层,先将前一层输出的二维特征图flatten为一维的。#Dense就是隐藏层。16就是上一层输出的特征图个数。4是根据每个卷积层计算出来的:(28-5+1)得到24,(24-3+1)/2得到11,(11-3+1)/2得到4#全连接有128个神经元节点,初始化方式为normalmodel.add(Flatten())model.add(Dense(128, init='normal'))model.add(Activation('tanh'))#Softmax分类,输出是10类别model.add(Dense(10, init='normal'))model.add(Activation('softmax'))##############开始训练模型###############使用SGD + momentum#model.compile里的参数loss就是损失函数(目标函数)sgd = SGD(lr=0.05, decay=1e-6, momentum=0.9, nesterov=True)model.compile(loss='categorical_crossentropy', optimizer=sgd)#调用fit方法,就是一个训练过程. 训练的epoch数设为10,batch_size为100.#数据经过随机打乱shuffle=True。verbose=1,训练过程中输出的信息,0、1、2三种方式都可以,无关紧要。show_accuracy=True,训练时每一个epoch都输出accuracy。#validation_split=0.2,将20%的数据作为验证集。model.fit(data, label, batch_size=100, nb_epoch=10,shuffle=True,verbose=1,validation_split=0.2)
参考文章:http://blog.csdn.net/zhoubl668/article/details/45559955
keras中文文档:http://keras-cn.readthedocs.io/en/latest/
0 0
- Keras学习(一)
- keras学习笔记(一)
- Keras学习笔记(一)
- keras学习笔记(一)
- Keras学习笔记---一
- Keras笔记(一)
- Keras笔记(一)
- Keras学习一快速开始
- Keras笔记(一)关于Keras模型
- Keras学习(一):macOS下安装与实例测试
- keras学习(2)
- Keras Regressor回归(一)
- 【Keras】Keras学习框架
- Keras学习
- 精读深度学习算法源码系列(一):keras实现SSD源码:ssd_box_encode_decode_utils
- keras中的一些小tips(一)
- Keras笔记(一)一些基本概念
- 深度学习(十)keras学习笔记
- maven安装及eclipse集成maven
- iOS获取storyBoard中的viewController
- 地图常见操作总结
- Error:Execution failed for task ':app:transformClassesWithDexForDebug'.
- Qt Creator + MinGW 在windows 下的调试GDB停止工作解决
- Keras学习(一)
- 使用@RequestMapping映射请求
- C# 给treeView节点添加图片
- Parajumpers Herre much more beautiful
- 设置redis允许远程连接访问及注意事项
- 适配6.0-PermissionsDispatcher_Demo
- android stduio 中 butter knife的配置和使用
- d3.js学习7----交互
- IIS7.5安装后ASP+access数据库连接错误的问题解决办法