Keras 是一个高级神经网络 API，可以运行在 TensorFlow、CNTK 或 Theano 后端。它提供了简单的接口来构建和训练神经网络。

快速开始

安装

pip install keras

示例

以下是一个简单的神经网络模型示例：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

模型架构

Keras 支持多种模型架构，包括：

  • Sequential: 顺序模型，用于堆叠层。
  • Functional: 可自定义模型，允许更复杂的网络结构。
  • Graph: 使用 TensorFlow 或 Theano 的图模式。

层

Keras 提供了多种层，包括：

  • Dense: 全连接层。
  • Convolutional: 卷积层，用于图像处理。
  • Recurrent: 循环层，用于序列数据。

损失函数

Keras 支持多种损失函数，例如：

  • binary_crossentropy: 用于二分类问题。
  • categorical_crossentropy: 用于多分类问题。
  • mean_squared_error: 用于回归问题。

优化器

Keras 提供了多种优化器，例如：

  • adam: 广受欢迎的优化器。
  • sgd: 随机梯度下降。

数据预处理

Keras 提供了数据预处理工具，例如：

  • ImageDataGenerator: 用于图像数据的增强。
  • Sequence: 用于序列数据的生成。

Keras Logo

更多信息，请访问 Keras 官方文档。