Keras 是一个高级神经网络 API,运行在 TensorFlow 之上,能够快速地设计、实验和评估深度学习模型。
快速开始
安装 Keras 首先,确保你已经安装了 TensorFlow,因为 Keras 是 TensorFlow 的一部分。
pip install tensorflow
导入 Keras 在 Python 代码中导入 Keras:
from keras.models import Sequential from keras.layers import Dense
创建模型 创建一个简单的神经网络模型:
model = Sequential() model.add(Dense(12, input_dim=8, activation='relu')) model.add(Dense(8, activation='relu')) model.add(Dense(1, activation='sigmoid'))
编译模型 编译模型以指定损失函数和优化器:
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
训练模型 使用训练数据来训练模型:
model.fit(X_train, y_train, epochs=150, batch_size=10)
评估模型 使用测试数据来评估模型性能:
scores = model.evaluate(X_test, y_test) print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
更多信息
如果你想要深入了解 Keras,可以访问我们的官方文档。
神经网络基础
了解神经网络的基础知识对于深入理解 Keras 非常重要。你可以通过阅读神经网络基础教程来开始。
(center)
(center)