keras使用、函数功能

1. keras.engine.input_layer.Input()

def Input(shape=None, batch_shape=None,
	name=None, dtype=None, sparse=False,
	tensor=None):

用来实例化一个keras tensor

2. class Dense(Layer):  

keras.layers.Dense(units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

def __init__(self, units,
	activation=None,
	use_bias=True,
	kernel_initializer='glorot_uniform',
	bias_initializer='zeros',
	kernel_regularizer=None,
	bias_regularizer=None,
	activity_regularizer=None,
	kernel_constraint=None,
	bias_constraint=None,
	**kwargs):

Dense 是一个类，用来regular densely-connected NN layer.

 

3. from keras.models import Sequential, Model

4. from keras.utils.np_utils import to_categorical

categorical_labels = to_categorical(int_labels, num_classes=None)

说明：

例如如果你有10个类别，每一个样本的标签应该是一个10维的向量，该向量在对应有值的索引位置为1其余为0。

EXAMPLE：

假设y_test为100x1的向量，100表示样本数，标签为标量，这时候将标签扩充为10维的向量，即：y_test为100x10。10维向量中，值为1表示这个样本属于这个类别，其他9个地方的值都为0。

y_test = to_categorical(y_test, 10)