Keras 函数式 API 指南

Keras 函数式 API 提供了一种灵活的方式来构建和训练模型。它允许你以编程的方式定义模型，而不是使用预定义的层和模型。

快速开始

1. 导入必要的库

   from keras.layers import Input, Dense, Flatten
   from keras.models import Model
   

2. 定义输入层

   input_tensor = Input(shape=(input_shape,))
   

3. 添加中间层

   x = Dense(64, activation='relu')(input_tensor)
   x = Flatten()(x)
   

4. 定义输出层

   output_tensor = Dense(num_classes, activation='softmax')(x)
   

5. 创建模型

   model = Model(inputs=input_tensor, outputs=output_tensor)
   

6. 编译模型

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

7. 训练模型

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

8. 评估模型

   model.evaluate(x_test, y_test)
   

9. 保存模型

   model.save('/path/to/my/model.h5')
   

10. 加载模型

    model = load_model('/path/to/my/model.h5')
    

更多资源

想要了解更多关于 Keras 函数式 API 的信息，请访问我们的 Keras 官方文档。

神经网络