HTML CSS JAVASCRIPT PYTHON PYTHON2 JAVA C C++ C# SQL Excel Linux AI BOOTSTRAP PHP 教程库 参考手册 技术文章 测验 练习 HOWTO FAQ
❮ 上一节 下一节 ❯

Keras - 深度学习

Keras 提供了一个完整的框架来创建任何类型的神经网络。Keras 既创新又易于学习。它支持从简单的神经网络到非常大且复杂的神经网络模型。让我们在本章中了解 Keras 框架的架构以及 Keras 如何帮助深度学习。

Keras 的架构

Keras API 可分为三个主要类别 −

  • 模型
  • 层
  • 核心模块

在 Keras 中，每个 ANN 都由 Keras 模型 表示。反过来，每个 Keras 模型都是由 Keras 层 组成的，代表 ANN 层，如输入层、隐藏层、输出层、卷积层、池化层等，Keras 模型和层访问 Keras 模块，用于激活函数、损失函数、正则化函数等。使用 Keras 模型、Keras 层和 Keras 模块，任何 ANN 算法(CNN、RNN 等)都可以以简单有效的方式表示。

下图描述了模型、层和核心模块之间的关系 −

Keras 的架构

让我们看看 Keras 模型、Keras 层和 Keras 模块的概述。

模型

Keras 模型有两种类型，如下所述−

顺序模型 − 顺序模型基本上是 Keras 层的线性组合。顺序模型简单、最小，并且能够表示几乎所有可用的神经网络。

一个简单的顺序模型如下−

from keras.models import Sequential 
from keras.layers import Dense, Activation 

model = Sequential()  
model.add(Dense(512, activation = 'relu', input_shape = (784,)))

其中，

  • 第 1 行从 Keras 模型导入 Sequential 模型

  • 第 2 行导入 Dense 层和 Activation 模块

  • 第 4 行使用 Sequential API 创建一个新的顺序模型

  • 第 5 行添加一个带有 relu 激活(使用 Activation 模块)功能的密集层(Dense API)。

Sequential 模型公开 Model 类以创建自定义模型。我们可以使用子类化概念来创建自己的复杂模型。

功能 API −函数式 API 主要用于创建复杂模型。

层

Keras 模型中的每个 Keras 层都代表实际提出的神经网络模型中的相应层(输入层、隐藏层和输出层)。Keras 提供了许多预构建层，因此可以轻松创建任何复杂的神经网络。下面列出了一些重要的 Keras 层，

  • 核心层
  • 卷积层
  • 池化层
  • 循环层

使用顺序模型表示神经网络模型的简单 Python 代码如下 −

from keras.models import Sequential 
from keras.layers import Dense, Activation, Dropout model = Sequential() 

model.add(Dense(512, activation = 'relu', input_shape = (784,))) 
model.add(Dropout(0.2)) 
model.add(Dense(512, activation = 'relu')) model.add(Dropout(0.2)) 
model.add(Dense(num_classes, activation = 'softmax'))

其中，

  • 第 1 行从 Keras 模型导入 Sequential 模型

  • 第 2 行导入 Dense 层和 Activation 模块

  • 第 4 行使用 Sequential API 创建新的顺序模型

  • 第 5 行添加一个具有 relu 激活(使用 Activation 模块)功能的密集层(Dense API)。

  • 第 6 行添加一个 dropout 层(Dropout API)来处理过度拟合。

  • 第 7 行添加另一个具有 relu 激活的密集层(Dense API) (使用激活模块)函数。

  • 第 8 行添加了另一个 dropout 层(Dropout API)来处理过度拟合。

  • 第 9 行添加了带有 softmax 激活(使用激活模块)函数的最终密集层(Dense API)。

Keras 还提供了创建我们自己的自定义层的选项。可以通过对 Keras.Layer 类进行子类化来创建自定义层，它类似于对 Keras 模型进行子类化。

核心模块

Keras 还提供了许多内置的神经网络相关函数来正确创建 Keras 模型和 Keras 层。部分函数如下 −

  • 激活模块 −激活函数是 ANN 中的一个重要概念，激活模块提供了许多激活函数，如 softmax、relu 等，

  • 损失模块 − 损失模块提供损失函数，如 mean_squared_error、mean_absolute_error、poisson 等，

  • 优化器模块 − 优化器模块提供优化器函数，如 adam、sgd 等，

  • 正则化器 − 正则化器模块提供 L1 正则化器、L2 正则化器等函数，

让我们在下一章中详细学习 Keras 模块。

❮ 上一节 下一节 ❯