Keras参考网站

keras中文文档：https://keras.io/zh/

keras简介

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

Keras典型工作流程

1. 定义训练数据：输入张量和目标张量。
2. 定义层组成的网络（或模型），将输入映射到目标。
3. 配置学习过程：选择损失函数、优化器和需要监控的指标。
4. 调用模型的 fit 方法在训练数据上进行迭代。
5. 测试评估

定义模型有两种方法：一种是使用 Sequential 类（仅用于层的线性堆叠，这是目前最常
见的网络架构），另一种是函数式 API（functional API，允许构建任意的神经网络图）。

Sequential 类

from keras.models import Sequential
from keras.layers import Dense
from keras import optimizers
model = Sequential()
# 简单地使用 .add() 来堆叠模型：
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
# 在完成了模型的构建后, 可以使用 .compile() 来配置学习过程
model.compile(loss='categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])
# 批量地在训练数据上进行迭代
model.fit(x_train, y_train, epochs=5, batch_size=32)
# 评估模型性能
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)
# 对新的数据生成预测
classes = model.predict(x_test, batch_size=128)

用函数式 API

见python 第七章

未完待续。。。。