keras的简单使用

分手后的思念是犯贱 2022-04-24 10:26 206阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70][]

Keras 是一个用 Python 编写的高级神经网络 API

官网：[https://keras.io/zh/][https_keras.io_zh]

--------------------

from keras.models import Sequential  # 神经网络各个层的容器
    from keras.layers import Dense, Activation  # 安全求和的层 激活函数
    from keras.optimizers import SGD  # 随机梯度下降算法
    from sklearn.datasets import load_iris  # 数据集
    from sklearn.preprocessing import LabelBinarizer
    from sklearn.model_selection import train_test_split
    
    iris = load_iris()
    print(iris["target"])  # 标签化
    print(LabelBinarizer().fit_transform(iris["target"]))  # 标签化
    # 训练集 测试集
    train_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=20)
    labels_train = LabelBinarizer().fit_transform(train_target)
    labels_test = LabelBinarizer().fit_transform(test_target)
    
    # 模型训练
    # 方式一  网络结构
    model = Sequential(
        [
            Dense(5, input_dim=4),  # 第一层输出有5 输入对应 4个属性值
            Activation("relu"),  # 激活函数
            Dense(3),  # 可以省略
            Activation("sigmoid"),  # 激活函数
        ]
    )
    # 方式二
    # model = Sequential()
    # model.add(Dense(5,input=4)) # 一层一层往里面添加
    
    # 构建优化器
    sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)  # decay步长 实质因子0.9
    model.compile(optimizer=sgd, loss="categorical_crossentropy")  # 优化器 sgd 损失函数 categorical_crossentropy
    model.fit(train_data, labels_train, epochs=200, batch_size=40)  # 训练200轮
    
    print("测试结果：\n", model.predict_classes(test_data))  # 打印预测结果
    model.save_weights("weights")  # 存  权重因子
    model.load_weights('weights')  # 下次使用可以直接加载

iris\["target"\]:(输出)

\[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0  
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1  
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2  
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2  
 2 2\]

01码：(输出)

[链接][Link 1] 提取码：grrn

200轮训练过程：

[链接][Link 2]  提取码：ml85

测试结果：  
 \[1 2 2 2 2 2 0 0 1 2 2 1 2 0 2 1 1 0 1 1\]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI2ODE2NTkx_size_16_color_FFFFFF_t_70]: /images/20220216/ceb6df33ac5840e18baff7a58ce3931d.png
[https_keras.io_zh]: https://keras.io/zh/
[Link 1]: https://pan.baidu.com/s/1IlTsGxBJrYC2ewNzD8_hJA%C2%A0
[Link 2]: https://pan.baidu.com/s/1bzo8ez3gmdDFpLZvr7t3KQ