Keras 快速入门教程

Keras 是一个高级神经网络 API，它能够在 TensorFlow、CNTK 和 Theano 等多个后端之上工作。本教程将提供一个简单的快速入门指南。

安装 Keras

首先，确保你已经安装了 Python。然后，你可以使用 pip 来安装 Keras：

pip install keras

简单示例

以下是一个使用 Keras 创建简单神经网络模型的基本示例：

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'])

数据准备

在进行模型训练之前，你需要准备一些数据。以下是一个简单的数据集：

import numpy as np

# 输入向量
X = np.random.random((1000, 8))
# 输出向量
y = np.random.randint(2, size=(1000, 1))

训练模型

现在，我们可以使用准备好的数据来训练模型：

model.fit(X, y, epochs=150, batch_size=10)

评估模型

训练完成后，你可以使用以下代码来评估模型的性能：

score = model.evaluate(X, y)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

扩展阅读

想要了解更多关于 Keras 的信息，可以访问 Keras 官方文档。

Keras Logo