Keras 是一个高级神经网络 API,能够以用户友好的方式工作,并且可以运行在 TensorFlow、CNTK 或 Theano 后端。以下是 Keras 的快速入门教程。

安装 Keras

首先,您需要安装 Keras。可以通过以下命令安装:

pip install keras

如果您使用的是 TensorFlow 2.x,Keras 已经是 TensorFlow 的一个组件,无需单独安装。

创建第一个模型

以下是一个简单的 Keras 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'])

训练模型

接下来,您可以使用以下代码来训练模型:

from keras.datasets import mnist
from keras.utils import np_utils

# 加载 MNIST 数据集
(X_train, y_train), (X_test, y_test) = mnist.load_data()

# 归一化输入数据
X_train = X_train / 255.0
X_test = X_test / 255.0

# 将标签转换为独热编码
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=200)

评估模型

最后,您可以使用以下代码来评估模型:

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

扩展阅读

如果您想了解更多关于 Keras 的信息,可以访问 Keras 官方文档

神经网络