當前位置：首頁 > 人工智能 > pytorch >内容正文

pytorch

深度学习（十）keras学习笔记

發布時間：2025/3/21 pytorch 20 豆豆

生活随笔收集整理的這篇文章主要介紹了深度学习（十）keras学习笔记小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

keras學習筆記

原文地址：http://blog.csdn.net/hjimce/article/details/49095199

作者：hjimce

keras與torch7的使用非常相似，是最近才火起來的深度學習開源庫，底層是用了theano。keras可以說是python版的torch7，對于快速構建CNN模型非常方便。同時也包含了一些最新文獻的算法，比如Batch Noramlize，文檔教程也很全，在官網上作者都是直接給例子淺顯易懂，個人感覺非常容易上手。keras也支持保存訓練好的參數，然后加載已經訓練好的參數，進行繼續訓練。

一、安裝教程。

因為keras是在theano的基礎上進行封裝的，所以我們需要先安裝好theano后，再繼續安裝keras。theano的安裝可以參考我的另外一篇博文，因為我在另外一篇博文中，是在windows環境下搭建theano的，所以這里所講的keras的安裝也是在windows下。

其實如果在ubuntu中，theano沒有安裝也沒關系，只要使用命令：pip install keras。如果順利的話，系統會幫你把keras所有所需的庫都給安裝了，包括theano。

windows安裝步驟：

1、參考我的另外一篇博文，安裝theano，并測試沒有問題。

2、使用Anaconda，然后在命令anaconda的命令窗口中輸入：pip install keras

這個時候有可能出現h5py安裝失敗：

那么請到網站：http://www.lfd.uci.edu/~gohlke/pythonlibs/? 下載h5py。

打開上面的網站，找到h5py:

根據根據自己的電腦選擇相應的版本，我的電腦是64為系統，python為2.7，所以選擇了：h5py-2.5.0-cp27-none-win_amd64.whl。然后把下載到的h5py文件，放到Anaconda所在的安裝目錄下：
最后我們在anaconda的命令窗口中輸入命令:pip install??h5py-2.5.0-cp27-none-win_amd64.whl 。等h5py安裝完后。在重新安裝keras輸入命令：pip install keras。

上面如果還是安裝失敗，那么試試升級pip版本，輸入：python-m pip install --upgrade pip，把pip的版本升級一下。 二、keras 使用教程 下面貼個簡單的例子、更多的例子可以自己到官網的文檔教程上看，官網給了很詳細的教程，不像caffe的文檔那么少。看一下下面例子，松松構建CNN模型。keras為我們提供了兩種網絡模型. 1、一種是CNN比較常用到的sequential網絡結構，調用方法如下：

[python]?view plaincopy

#?coding=utf-8??

import?numpy?as?np??

#np.random.seed(100)??

from?keras.optimizers?import?SGD??

import?os??

import??matplotlib.pyplot?as?plt??

import?h5py??

from?keras.models?import?Sequential??

from?keras.layers.convolutional?import?Convolution2D,?MaxPooling2D,?ZeroPadding2D??

from?keras.layers.core?import?Dense,Dropout,Activation,Flatten??

from?keras.layers.normalization?import??BatchNormalization??

from?keras.optimizers?import?SGD,?Adadelta,?Adagrad,RMSprop??

from?keras.layers.advanced_activations?import?PReLU??

from??keras.callbacks?import?ModelCheckpoint,Callback??

class?LossHistory(Callback):??

????def?on_train_begin(self,?logs={}):??

????????self.losses?=?[]??

????def?on_batch_end(self,?batch,?logs={}):??

????????self.losses.append(logs.get('loss'))??

def?Net_Mouth():??

????keras_model=Sequential()#單支線性網絡模型??

????#卷積層輸出的特征圖為20個，卷積核大小為5*5??

????keras_model.add(Convolution2D(20,?5,?5,input_shape=(3,?60,?60)))#網絡輸入每張圖片大小為3通道，60*60的圖片。??

????#激活函數層??