使用 Keras 进行深度学习 - 导入库

我们首先导入项目中代码所需的各种库。

数组处理和绘图

通常，我们使用 numpy 进行数组处理，使用 matplotlib 进行绘图。这些库在我们的项目中使用以下 import 语句导入

import numpy as np
import matplotlib
import matplotlib.pyplot as plot

抑制警告

由于 Tensorflow 和 Keras 都在不断修订，如果您没有在项目中同步它们的适当版本，则在运行时您会看到大量警告错误。由于它们会分散您对学习的注意力，我们将抑制此项目中的所有警告。这是通过以下代码行完成的 −

# silent all warnings
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
import warnings
warnings.filterwarnings('ignore')
from tensorflow.python.util import deprecation
deprecation._PRINT_DEPRECATION_WARNINGS = False

Keras

我们使用 Keras 库导入数据集。我们将使用 mnist 数据集来处理手写数字。我们使用以下语句导入所需的包

from keras.datasets import mnist

我们将使用 Keras 包定义我们的深度学习神经网络。我们导入 Sequential、Dense、Dropout 和 Activation 包来定义网络架构。我们使用 load_model 包来保存和检索我们的模型。我们还使用 np_utils 来获取项目中需要的一些实用程序。这些导入是通过以下程序语句完成的 −

from keras.models import Sequential, load_model
from keras.layers.core import Dense, Dropout, Activation
from keras.utils import np_utils

运行此代码时，您将在控制台上看到一条消息，提示 Keras 在后端使用 TensorFlow。此阶段的屏幕截图显示在此处 −

现在，由于我们已完成项目所需的所有导入，我们将继续定义深度学习网络的架构。