keras 流程以及重要的函式簡介

步驟：

先指定模型 Sequential( )  ---->堆疊模組 .add( ) ---->編譯模型 .compile( ) ---->在訓練資料上迭代 .fit( ) ---->評估 .evaluate( ) ---->對新資料的預測 .predict( )

Dense 全連線層案例

Bp 神經網路的簡單實現

from keras.models import Sequential #匯入模型

from keras.layers import Dense #匯入bp層

train_x,train_y #訓練集

test_x,text_y #測試集

model=Sequential() #初始化模型

model.add(Dense(input_dim=3,output_dim=3,activation='sigmoid'，init='uniform'))) #新增一個隱含層，注：只是第一個隱含層需指定input_dim

model.add(Dense(1,activation='sigmoid')) #新增輸出層

model.compile(loss='binary_crossentropy', optimizer='sgd') # 編譯，指定目標函式與優化方法

model.fit(train_x,train_y ) # 模型訓練

model.evaluate(test_x,text_y ) #模型測試
 

___________________________________________________________________________________________

輸入資料shape

編譯

訓練

______________________________________________________________________________________

Sequential模型

模型使用前必須編譯

以上都是Sequential模型

__________________________________________________________________________________________

__________________________________________________________________________________________________