Keras 中文文档: 主页
文章推薦指數: 80 %
Keras,Python 深度学习库中文文档。
... 如果你在以下情况下需要深度学习库,请使用Keras:. 允许简单而快速的原型设计( ... Keras 是为人类而不是为机器设计的API。
Keras中文文档
主页
Keras:基于Python的深度学习库
你恰好发现了Keras。
指导原则
快速开始:30秒上手Keras
安装指引
配置你的Keras后端
技术支持
为什么取名为Keras?
为什么选择Keras?
快速开始
Sequential顺序模型指引
函数式API指引
FAQ常见问题解答
模型
关于Keras模型
Sequential顺序模型API
函数式API
Layers
关于Keras网络层
核心网络层
卷积层Convolutional
池化层Pooling
局部连接层Locally-connected
循环层Recurrent
嵌入层Embedding
融合层Merge
高级激活层AdvancedActivations
标准化层Normalization
噪声层Noise
层封装器wrappers
编写你自己的层
数据预处理
序列预处理
文本预处理
图像预处理
损失函数Losses
评估标准Metrics
优化器Optimizers
激活函数Activations
回调函数Callbacks
常用数据集Datasets
应用Applications
后端Backend
初始化Initializers
正则化Regularizers
约束Constraints
可视化Visualization
Scikit-learnAPI
工具
贡献
经典样例
AdditionRNN
BabyRNN
BabyMemNN
CIFAR-10CNN
CIFAR-10CNN-Capsule
CIFAR-10CNNwithaugmentation(TF)
CIFAR-10ResNet
Convolutionfiltervisualization
ImageOCR
BidirectionalLSTM
Keras中文文档
Docs»
主页
EditonGitHub
Keras:基于Python的深度学习库
你恰好发现了Keras。
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。
如果你在以下情况下需要深度学习库,请使用Keras:
允许简单而快速的原型设计(由于用户友好,高度模块化,可扩展性)。
同时支持卷积神经网络和循环神经网络,以及两者的组合。
在CPU和GPU上无缝运行。
查看文档,请访问Keras.io。
Keras兼容的Python版本:Python2.7-3.6。
指导原则
用户友好。
Keras是为人类而不是为机器设计的API。
它把用户体验放在首要和中心位置。
Keras遵循减少认知困难的最佳实践:它提供一致且简单的API,将常见用例所需的用户操作数量降至最低,并且在用户错误时提供清晰和可操作的反馈。
模块化。
模型被理解为由独立的、完全可配置的模块构成的序列或图。
这些模块可以以尽可能少的限制组装在一起。
特别是神经网络层、损失函数、优化器、初始化方法、激活函数、正则化方法,它们都是可以结合起来构建新模型的模块。
易扩展性。
新的模块是很容易添加的(作为新的类和函数),现有的模块已经提供了充足的示例。
由于能够轻松地创建可以提高表现力的新模块,Keras更加适合高级研究。
基于Python实现。
Keras没有特定格式的单独配置文件。
模型定义在Python代码中,这些代码紧凑,易于调试,并且易于扩展。
快速开始:30秒上手Keras
Keras的核心数据结构是model,一种组织网络层的方式。
最简单的模型是Sequential顺序模型,它由多个网络层线性堆叠。
对于更复杂的结构,你应该使用Keras函数式API,它允许构建任意的神经网络图。
Sequential模型如下所示:
fromkeras.modelsimportSequential
model=Sequential()
可以简单地使用.add()来堆叠模型:
fromkeras.layersimportDense
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'])
如果需要,你还可以进一步地配置你的优化器。
Keras的核心原则是使事情变得相当简单,同时又允许用户在需要的时候能够进行完全的控制(终极的控制是源代码的易扩展性)。
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.SGD(lr=0.01,momentum=0.9,nesterov=True))
现在,你可以批量地在训练数据上进行迭代了:
#x_train和y_train是Numpy数组--就像在Scikit-LearnAPI中一样。
model.fit(x_train,y_train,epochs=5,batch_size=32)
或者,你可以手动地将批次的数据提供给模型:
model.train_on_batch(x_batch,y_batch)
只需一行代码就能评估模型性能:
loss_and_metrics=model.evaluate(x_test,y_test,batch_size=128)
或者对新的数据生成预测:
classes=model.predict(x_test,batch_size=128)
构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的任何模型,就是这么的快。
深度学习背后的思想很简单,那么它们的实现又何必要那么痛苦呢?
有关Keras更深入的教程,请查看:
开始使用Sequential模型
开始使用函数式API
在代码仓库的examples目录中,你会找到更多高级模型:基于记忆网络的问答系统、基于栈式LSTM的文本生成等等。
安装指引
在安装Keras之前,请安装以下后端引擎之一:TensorFlow,Theano,或者CNTK。
我们推荐TensorFlow后端。
TensorFlow安装指引。
Theano安装指引。
CNTK安装指引。
你也可以考虑安装以下可选依赖:
cuDNN(如果你计划在GPU上运行Keras,建议安装)。
HDF5和h5py(如果你需要将Keras模型保存到磁盘,则需要这些)。
graphviz和pydot(用于可视化工具绘制模型图)。
然后你就可以安装Keras本身了。
有两种方法安装Keras:
使用PyPI安装Keras(推荐):
sudopipinstallkeras
如果你使用virtualenv虚拟环境,你可以避免使用sudo:
pipinstallkeras
或者:使用GitHub源码安装Keras:
首先,使用git来克隆Keras:
gitclonehttps://github.com/keras-team/keras.git
然后,cd到Keras目录并且运行安装命令:
cdkeras
sudopythonsetup.pyinstall
配置你的Keras后端
默认情况下,Keras将使用TensorFlow作为其张量操作库。
请跟随这些指引来配置其他Keras后端。
技术支持
你可以提出问题并参与开发讨论:
KerasGooglegroup。
KerasSlackchannel。
使用这个链接向该频道请求邀请函。
或者加入Keras深度学习交流群,协助文档的翻译工作,群号为951623081。
你也可以在GitHubissues中发布漏洞报告和新功能请求(仅限于此)。
注意请先阅读规范文档。
为什么取名为Keras?
Keras(κέρας)在希腊语中意为号角。
它来自古希腊和拉丁文学中的一个文学形象,首先出现于《奥德赛》中,梦神(Oneiroi,singularOneiros)从这两类人中分离出来:那些用虚幻的景象欺骗人类,通过象牙之门抵达地球之人,以及那些宣告未来即将到来,通过号角之门抵达之人。
它类似于文字寓意,κέρας(号角)/κραίνω(履行),以及ἐλέφας(象牙)/ἐλεφαίρομαι(欺骗)。
Keras最初是作为ONEIROS项目(开放式神经电子智能机器人操作系统)研究工作的一部分而开发的。
"Oneiroi超出了我们的理解-谁能确定它们讲述了什么故事?并不是所有人都能找到。
那里有两扇门,就是通往短暂的Oneiroi的通道;一个是用号角制造的,一个是用象牙制造的。
穿过尖锐的象牙的Oneiroi是诡计多端的,他们带有一些不会实现的信息;那些穿过抛光的喇叭出来的人背后具有真理,对于看到他们的人来说是完成的。
"Homer,Odyssey19.562ff(Shewringtranslation).
GitHub
Next»
延伸文章資訊
- 1Keras 教學- 機器學習與類神經網路 - Soul & Shell Blog
Keras 是近年火紅的Machine Learning 函式庫,也是一個開源專案,透過Python 實做的深度學習高階API 函式庫。採用MIT License,主要作者維護者是Google ...
- 2Keras 中文文档: 主页
Keras,Python 深度学习库中文文档。 ... 如果你在以下情况下需要深度学习库,请使用Keras:. 允许简单而快速的原型设计( ... Keras 是为人类而不是为机器设计的API。
- 3Keras - 維基百科,自由的百科全書
Keras是一個用Python編寫的開源神經網路庫,能夠在TensorFlow、Microsoft Cognitive ... Chollet解釋道,Keras被認為是一個介面,而非獨立的機器學...
- 4Python與機器學習深度學習-使用Keras與TensorFlow
Python與機器學習深度學習-使用Keras與TensorFlow. Machine Learning and Deep Learning with Python - Using Keras ...
- 5機器學習自學筆記09: Keras2.0
Keras 介紹