Keras深度学习框架安装及快速入门

「爱情、让人受尽委屈。」 2021-12-23 18:51 386阅读 0赞

1.下载安装Keras

如果你是安装的Anaconda组合套件，可以直接在Prompt上执行安装命令：pip install keras

![1343081-20190119104958485-1308523848.png][]

注意：最下面为Successfully...表示安装成功！

2.简介

Keras为图片数据输入提供了一个很好的接口，即Keras.preprocessing.image.ImageDataGenerator类，该类生成一个数据生成器Generator对象，依照循环批量生成对应于图像信息的多维矩阵。根据后台运行环境的不同（例如：TensorFlow,Theano等），多维矩阵的不同维度对应的信息分别是图像二维的像素点。第三维对应彩色通道，灰色图像为一维，RGB为三维。

3.入门案例：序列模型

3.1简介

序列模型是通用模型中的一种，该模型各层之间是依次顺序的线性关系，在第k层和第k+1层之间可以加上各种元素来构造神经网络。这些元素可以通过一个列表来制定，然后作为参数传递给序列模型来生成相应的模型。

3.2代码实现（方式一）

1 # -*- coding: utf-8 -*-
     2 """
     3 Created on Sat Jan 19 11:10:51 2019
     4 
     5 @author: zhen
     6 """
     7 
     8 from keras.models import Sequential
     9 from keras.layers import Dense
    10 from keras.layers import Activation
    11 
    12 # Dense 全连接层
    13 layers = [Dense(32, input_shape=(784,)), # 32,784 核数
    14           Activation('relu'), # 激活函数
    15           Dense(10),
    16           Activation('softmax')]
    17 
    18 model = Sequential(layers)
    19 model.summary()

3.3代码实现（方式二）

1 # -*- coding: utf-8 -*-
     2 """
     3 Created on Sat Jan 19 16:30:58 2019
     4 
     5 @author: zhen
     6 """
     7 
     8 from keras.models import Sequential
     9 from keras.layers import Dense
    10 from keras.layers import Activation
    11 
    12 model = Sequential()
    13 model.add(Dense(32, input_shape=(784,)))
    14 model.add(Activation("relu"))
    15 model.add(Dense(10))
    16 model.add(Activation("softmax"))
    17 
    18 model.summary()

3.4结果

![1343081-20190119112011562-1887423443.png][]

3.5分析

1.Keras内部使用之前已安装好的深度学习框架，在这里使用了TensorFlow.

2.使用model.summary()可以查看当前神经网络的架构和详细参数信息。

4.入门案例：通用模型

4.1简介

通用模型用来设计复杂的，任意拓扑结构的神经网络。类似于序列模型，通用模型通过函数化的应用接口来定义模型。在通用模型中，定义的时候，从输入的多维矩阵开始，然后定义各层及其要素，最后定义输出层。将输入层和输出层作为参数纳入通用模型中就可以定义一个模型对象。

4.2代码实现

1 # -*- coding: utf-8 -*-
     2 """
     3 Created on Sat Jan 19 16:35:51 2019
     4 
     5 @author: zhen
     6 """
     7 
     8 from keras.layers import Input
     9 from keras.layers import Dense
    10 from keras.models import Model
    11 
    12 # 定义输入层
    13 input = Input(shape=(784,))
    14 # 定义各连接层
    15 dense = Dense(64, activation='relu')(input)
    16 dense = Dense(64, activation='relu')(dense)
    17 # 定义输出层
    18 out = Dense(10, activation='softmax')(dense)
    19 # 定义模型
    20 model = Model(inputs=input, outputs=out)
    21 # 编译
    22 model.compile(optimizer='rmsprop', loss='categorical_crossentropy',metrics=['accuracy'])
    23 # 训练
    24 # model.fit(data, labels)
    25 # 打印相关信息
    26 model.summary()

4.3结果

![1343081-20190119170452683-1115482645.png][]

转载于:https://www.cnblogs.com/yszd/p/10291148.html

[1343081-20190119104958485-1308523848.png]: /images/20211223/c626ae0a92b24ff0a2b1b17fd43839b1.png
[1343081-20190119112011562-1887423443.png]: /images/20211223/787d4da76c594263a8e1e3a11263f276.png
[1343081-20190119170452683-1115482645.png]: /images/20211223/01beb6256d5544a1853e5e1392e542b6.png