保定市网站建设,wordpress 短信插件,我有项目想找投资人,app的研发生产都包括什么keras定义相关概念#xff1a;
Keras是一个深度学习API#xff0c;使用Python语言编写的github开源项目#xff0c;主要开发者为谷歌工程师。Keras底层可调用不同的机器学习平台#xff0c;如TensorFlow、Theano或micsoft-CNTK。
作用#xff1a;keras主要功能是简化机器…keras定义相关概念
Keras是一个深度学习API使用Python语言编写的github开源项目主要开发者为谷歌工程师。Keras底层可调用不同的机器学习平台如TensorFlow、Theano或micsoft-CNTK。
作用keras主要功能是简化机器学习平台的调用方式。API可实现机器学习任务中的常见操作包括人工神经网络的构建、编译、学习、评估、测试等。
人工神经网络ANN或联结主义系统是受构成动物大脑的生物神经网络的启发但不完全相同的计算系统。这种系统通过例子来“学习”执行任务而不用特定于任务的规则进行编程。例如在图像识别中人工神经网络可能会通过分析一些图像样本来学习识别包含猫的图像这些图像被手工标记为“猫”或“不是猫”并使用结果识别在其他图像中的猫。
深度学习是一种利用多层神经网络来学习数据特征和规律的方法它可以处理高维度、非结构化和复杂的数据并实现强大的功能。
调用流程
大概流程根据输入训练数据集和输出测试数据集推测出中间逻辑和关系。
需求使用深度学习来识别手写字识别
1.加载数据集。数据集包括训练数据集和测试数据集
from keras.datasets import mnist
path rC:\Users\LEGION\Desktop\datasets\mnist.npz
(X_train, y_train), (X_test, y_test) mnist.load_data(path)
print(X_train.shape)
print(y_train.shape)
print(X_test.shape)
print(y_test.shape)
X_train.shape 的形状为(60000, 28, 28) y_train.shape的形状为(60000,) X_test.shape的形状为(10000, 28, 28) y_test.shape的形状为(10000,)
2.构建模型 from keras.models import Sequentialfrom keras.layers import Dense,Activationmodel Sequential()model.add(Dense(512, input_shape(28*28,),activationrelu))model.add(Dense(10,activationsoftmax))model.compile(optimizeradam, losscategorical_crossentropy, metrics[accuracy])model.fit(X_train, y_train, epochs10, batch_size64, verbose1, validation_split0.05)Testloss, Testaccuracy model.evaluate(X_test, y_test)print(Testloss , Testloss)print(Testaccuracy:, Testaccuracy)
第三行代码定义模型类型表示使用Keras中的Sequential 顺序模型。第四行代码表示增加一个全连接层(密集层)这层有512个神经元输入形状是(28*28,)此处的输入形状也可以写为input_dim28*28。Activation表示这层的激活函数使用是relu不同的激活函数有不同的效果大家可以自己学习。第五行代码增加一个全连接层这层有10个神经元这于我们的期望输出个数一致(10个数字)激活函数使用softmax。第六行代码表示编译我们之前构建的模型优化器选择adam,损失函数为categorical_crossentropy指标度量选择accuracy精度。第七行代码表示使用训练集数据来训练我们的模型epochs表示模型的训练的时期数每个epoch是对xy的整个迭代这里迭代10次。batch_size代表每个梯度更新的样本数默认值为32. verbose日志显示verbose 0为不在标准输出流输出日志信息verbose 1为输出进度条记录verbose2为每个epoch输出一行记录默认为1。validation_split按一定比例从训练集中取出一部分作为验证集。最后一行控制台输出loss: 0.0109 - acc: 0.9964 - val_loss: 0.0862 - val_acc: 0.9823第八行代码表示对已经训练好的模型在验证集上进行评价打印出验证集上的损失和精度为loss 0.0794 Accuracy: 0.9784。第八行后一般会出现model.predict([np.array([features[1]]), sentence])预测 phthon基础
r
path rC:\Users\LEGION\Desktop\datasets\mnist.npz
转义字符来表示反斜杠
shape
通俗易懂的解释每一个shape里的数字对应数组中的一对中括号第一个数字1表示最外层的中括号。以此类推数字2表示第二层中括号数字3表示最里层的中括号。
reshape
数组array的合并
astype
字符转数字
append
array添加数据Released_dates.append(1960)
len()min() 和 max()
min(Released_dates)
X_train X_train.astype(float32)/255
数学基础
二维数组的赋值
向量在Python中, 你通过中括号[ ]来创建一个向量. 向量元素用逗号分隔。向量元素必须是同一个数据类型。比如全是数字或文本。Released_dates [1982,1980,1973,1992]
向量维度
思考
数据集用什么工具生成数据格式有什么要求
训练后的数据如何保存如何在训练后的模型上进行识别
识别的命令是什么输入参数是什么。 from keras.models import Input,Model
from keras.layers import Dense,Conv2D,TimeDistributedinput_ Input(shape(12,32,32,3))
out TimeDistributed(Conv2D(filters32,kernel_size(3,3),paddingsame))(input_)
model Model(inputsinput_,outputsout)
model.summary()
卷积操作使用TimeDistributed第一个12代表就是时间序列32323指的是高宽通道数。此处一共有896个参数卷积核weights有3×3×3×32864个卷积核bias有32个。
