原文地址:https://blog.csdn.net/qq_41185868/article/details/79682490
Keras中文文档:https://keras-cn.readthedocs.io/en/latest/
DL框架之Keras:Keras框架的简介、安装(Python库)、相关概念、Keras模型使用、使用方法之详细攻略
目录
Keras的简介
1、Keras的特点
2、Keras的用户体验
3、Keras用户体验
4、如果你有如下需求,请选择Keras
5、Keras支持多后端和多平台
Keras的安装
Keras的使用方法
1、The Sequential Model 序列模型
2、The functional API 函数式API
3、Model subclassing 模型子类化
其他概念
1、shape
2、回调
3、保存和恢复
4、动态图机制:Eager Execution
Keras的中的模型使用
1、查找使用方法
2、Keras的 6 种预训练模型
3、Keras深度学习框架的注意事项(自动下载存放路径等)、使用方法之详细攻略
————————————————
相关文章
DL框架之Keras:Python库之Keras库的简介、安装、使用方法详细攻略
keras-yolo3:python库之keras-yolo3的简介、安装、使用方法详细攻略
Keras的简介
Keras是TensorFlow官方的高层API。Keras是一个高层神经网络API,并对TensorFlow等有较好的优化。,Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端,也就是Keras基于什么东西来做运算。Keras 为支持快速实验而生,能够把你的idea迅速转换为结果。
1、Keras的特点
tensorflow.keras(tf.keras) module
Part of core TensorFlow since v1.4
Full Keras API
针对TF更好的优化
与TF特别功能更好的整合,Estimator API、Eager execution
2、Keras的用户体验
1、用户友好:Keras是为人类而非机器设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践:Keras提供一致而简洁的API, 能够极大减少一般应用下用户的工作量,同时,Keras提供清晰和具有实践意义的bug反馈。
2、模块性:模型可理解为一个层的序列或数据的运算图,完全可配置的模块可以用最少的代价自由组合在一起。具体而言,网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块,你可以使用它们来构建自己的模型。
3、易扩展性:添加新模块超级容易,只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。
4、与Python协作:Keras没有单独的模型配置文件类型(作为对比,caffe有),模型由python代码描述,使其更紧凑和更易debug,并提供了扩展的便利性。
3、Keras用户体验
(1)、Keras是专为人而非机器设计的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。
(2)、Keras易于学习且易于使用
作为Keras用户,可以更高效地工作,让你比竞争对手更快地尝试更多创意和帮助你赢得机器学习竞赛。
(3)、这种易用性不是以降低灵活性为代价
Keras与低级深度学习语言(特别是TensorFlow)集成,能够实现可以用基本语言构建的任何东西。特别是,作为tf.keras,Keras API与TensorFlow工作流程无缝集成。
————————————————
。。。看原文地址,较难复制