Keras 是一个高级神经网络 API，运行在 TensorFlow、CNTK 和 Theano 上，旨在使深度学习快速而简单。

基础概念

  • 神经网络：由输入层、隐藏层和输出层组成。
  • 激活函数：用于引入非线性，例如 ReLU、Sigmoid 和 Tanh。
  • 损失函数：用于衡量预测值与真实值之间的差异，例如均方误差（MSE）和交叉熵。

Keras 模型构建

  1. 导入库

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

  2. 构建模型

    model = Sequential()
model.add(Dense(64, input_dim=100))
model.add(Activation('relu'))
model.add(Dense(10))
model.add(Activation('softmax'))

  3. 编译模型

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

  4. 训练模型

    model.fit(x_train, y_train, epochs=10, batch_size=32)

  5. 评估模型

    scores = model.evaluate(x_test, y_test, verbose=0)
print('Accuracy:', scores[1])

扩展阅读

Keras Logo