Keras官方文档学习（常见问题）

本文链接： https://blog.csdn.net/weixin_44593822/article/details/102777209

几乎0基础直接看官方文档还是有点吃力的~

我应该如何引用Keras？

如果它有助于您的研究，请在您的出版物中引用Keras。这是一个BibTeX条目示例：

@misc{chollet2015keras,
  title={Keras},
  author={Chollet, Fran\c{c}ois and others},
  year={2015},
  howpublished={\url{https://keras.io}},
}

如何在GPU上运行Keras？

如果您在TensorFlow或CNTK后端上运行，则如果检测到任何可用的GPU，您的代码将自动在GPU上运行。

What does "sample", "batch", "epoch" mean?

（“样本”，“批次”，“时期”是什么意思？）

以下是正确理解Keras所需了解和理解的一些常见定义：

Sample：数据集的一个元素。
示例：一张图像是卷积网络中的样本
示例：一个音频文件是语音识别模型的样本
Batch：一组N个样本。一批中的样品被独立，并行处理。如果进行训练，则批次只会对模型进行一次更新。
甲批次通常近似于比单个输入更好的输入数据的分布。批次越大，近似值越好；但是，也确实，该批处理将花费更长的时间，并且仍然只会导致一次更新。为了进行推断（评估/预测），建议选择尽可能大的批次大小而不会占用内存（因为较大的批次通常会导致更快的评估/预测）。
Epoch：任意截止时间，通常定义为“一次遍历整个数据集”，用于将训练分为不同的阶段，这对日志记录和定期评估很有用。
当使用Keras模型validation_data或validation_split使用fitKeras模型的方法时，评估将在每个时期结束时进行。
在Keras中，可以添加专门设计用于在epoch末尾运行的回调的功能。这些示例包括学习率更改和模型检查点（保存）。

如何保存Keras模型？

保存/加载整个模型（架构+权重+优化器状态）

不建议使用pickle或cPickle保存Keras模型。

您可以model.save(filepath)用来将Keras模型保存到单个HDF5文件中，该文件包含：

模型的架构，从而可以重新创建模型
模型的权重
训练配置（损失，优化器）
优化程序的状态，从而可以从您上次中断的地方继续正确地进行训练。

然后，您可以keras.models.load_model(filepath)用来重新实例化模型。 load_model还将负责使用保存的训练配置来编译模型（除非从未首先编译过模型）。

例：

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

仅保存/加载模型的架构

如果只需要保存模型的体系结构，而不是模型的权重或训练配置，则可以执行以下操作：

# save as JSON
json_string = model.to_json()

# save as YAML
yaml_string = model.to_yaml()

生成的JSON / YAML文件是人类可读的，并且可以根据需要进行手动编辑。

然后，您可以根据以下数据构建新的模型：

# model reconstruction from JSON:
from keras.models import model_from_json
model = model_from_json(json_string)

# model reconstruction from YAML:
from keras.models import model_from_yaml
model = model_from_yaml(yaml_string)

仅保存/加载模型的权重

如果需要保存模型的权重，则可以在HDF5中使用以下代码进行保存：

model.save_weights('my_model_weights.h5')

假设您有用于实例化模型的代码，然后可以将保存的权重加载到具有相同架构的模型中：

model.load_weights('my_model_weights.h5')

如何记录每个时期的训练/验证损失/准确性？

该model.fit方法返回一个History回调，该回调具有一个history包含连续损失列表和其他度量的属性。

hist = model.fit(x, y, validation_split=0.2)
print(hist.history)

如何从顺序模型中删除图层？

您可以通过调用来删除顺序模型中最后添加的图层.pop()：

model = Sequential()
model.add(Dense(32, activation='relu', input_dim=784))
model.add(Dense(32, activation='relu'))

print(len(model.layers))  # "2"

model.pop()
print(len(model.layers))  # "1"