创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商,新人活动买多久送多久,划算不套路!
成都创新互联公司专注于企业营销型网站建设、网站重做改版、重庆网站定制设计、自适应品牌网站建设、H5开发、商城网站制作、集团公司官网建设、外贸网站制作、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为重庆等各大城市提供网站开发制作服务。这篇文章将为大家详细讲解有关如何使用Keras建立模型并训练等一系列操作,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
由于Keras是一种建立在已有深度学习框架上的二次框架,其使用起来非常方便,其后端实现有两种方法,theano和tensorflow。由于自己平时用tensorflow,所以选择后端用tensorflow的Keras,代码写起来更加方便。
1、建立模型
Keras分为两种不同的建模方式,
Sequential models:这种方法用于实现一些简单的模型。你只需要向一些存在的模型中添加层就行了。
Functional API:Keras的API是非常强大的,你可以利用这些API来构造更加复杂的模型,比如多输出模型,有向无环图等等。
这里采用sequential models方法。
构建序列模型。
def define_model(): model = Sequential() # setup first conv layer model.add(Conv2D(32, (3, 3), activation="relu", input_shape=(120, 120, 3), padding='same')) # [10, 120, 120, 32] # setup first maxpooling layer model.add(MaxPooling2D(pool_size=(2, 2))) # [10, 60, 60, 32] # setup second conv layer model.add(Conv2D(8, kernel_size=(3, 3), activation="relu", padding='same')) # [10, 60, 60, 8] # setup second maxpooling layer model.add(MaxPooling2D(pool_size=(3, 3))) # [10, 20, 20, 8] # add bianping layer, 3200 = 20 * 20 * 8 model.add(Flatten()) # [10, 3200] # add first full connection layer model.add(Dense(512, activation='sigmoid')) # [10, 512] # add dropout layer model.add(Dropout(0.5)) # add second full connection layer model.add(Dense(4, activation='softmax')) # [10, 4] return model