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

  1. 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
    
  2. 导入 Keras 在 Python 代码中导入 Keras:

    from keras.models import Sequential
    from keras.layers import Dense
    
  3. 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'))
    
  4. 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'])
    
  5. 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)
    
  6. 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) Keras 模型 (center)