keras 基础

keras

简介

keras是基于TensorFlow，Theano, CNTK深度学习框架的上层神经网络API，具有极好的封装性，能够帮助研究人员刚快的快发新模型。

优点

1. 用户友好
2. 模块化
   3.扩展方便
3. 编程简单

缺点

1. 不支持分布式模型
2. 模块通用性不足
3. 编程语言支持有限

模型概述

keras 提供了两种模型范式： 顺序模型与函数式模型：
1. 顺序模型： 一系列神经网络层的线性堆叠，适用于单输出的线性神经网络模型。它是函数式模型的特殊形式。
2. 函数式模型： 符合用户输入输出定义且易重用的模型，适用于多输入多输出的神经网络模型。

导入

import tensorflow as tf
from tensorflow import keras
tf.keras.version  # 查看版本

使用步骤

1. 定义网络结构， 创建模型

   此处我们需要定义的有： 网络单元，网络层数，每层单元数，激活函数， 权重初始值， bias初始值，权重正则化方案， bias正则化方案等。

2. 配置优化器，损失函数和度量指标，编译模型

   此处我们需要定义的有： optimizer， loss， metrics

3. 填充数据和标签，训练模型。

   此处需要定义: epochs, batch_size,