如何使用 Keras 在 Python 中编译构建的顺序模型?

keraspythonserver side programmingprogramming

Keras 在希腊语中意为"horn"。Keras 是作为 ONEIROS(开放式神经电子智能机器人操作系统)项目研究的一部分而开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的界面，有助于解决机器学习问题。

它在 Tensorflow 框架上运行。它旨在帮助快速进行实验。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。

它具有高度可扩展性，并具有跨平台能力。这意味着 Keras 可以在 TPU 或 GPU 集群上运行。Keras 模型也可以导出以在 Web 浏览器或手机中运行。

Keras 已经存在于 Tensorflow 包中。可以使用下面的代码行访问它。

import tensorflow
from tensorflow import keras

Tensorflow 是 Google 提供的机器学习框架。它是一个与 Python 结合使用的开源框架，用于实现算法、深度学习应用程序等。它用于研究和生产目的。

与使用顺序 API 创建的模型相比，Keras 函数式 API 有助于创建更灵活的模型。函数式 API 可以与具有非线性拓扑、可以共享层并处理多个输入和输出的模型一起使用。深度学习模型通常是包含多个层的有向无环图 (DAG)。函数式 API 有助于构建层图。

我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。 Colaboratory 是在 Jupyter Notebook 基础上构建的。以下是使用 Keras − 编译构建的顺序模型的代码片段

示例

print("模型正在编译")
model.compile(
   optimizer=keras.optimizers.RMSprop(1e-3),
   loss=[
      keras.losses.BinaryCrossentropy(from_logits=True),
      keras.losses.CategoricalCrossentropy(from_logits=True),
   ],
   loss_weights=[1.0, 0.2],
)

代码来源− https://www.tensorflow.org/guide/keras/ functional