文章作者：Tyan
部落格：noahsnail.com  |  CSDN  |  簡書

本文主要介紹Keras的一些基本用法。

• Demo

import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense

# 建立資料
X = np.linspace(-1, 1, 200)
# 資料隨機化
np.random.shuffle(X)
# 建立資料及引數, 並加入噪聲
Y = 0.5 * X + 2 + np.random.normal(0
 
, 0.05, (200,))

# 繪製資料
plt.scatter(X, Y)
plt.show()

# 分為訓練資料和測試資料
X_train, Y_train = X[:160], Y[:160]
X_test, Y_test = X[160:], Y[160:]

# 使用keras建立神經網路
# Sequential是指一層層堆疊的神經網路
# Dense是指全連線層
# 定義model
model = Sequential()
# 定義第一層, 由於是迴歸模型, 因此只有一層
model.add(Dense(units = 1, input_dim = 1))

# 選擇損失函式和優化方法
model.compile(loss = 'mse'
 
, optimizer = 'sgd')

print '----Training----'
# 訓練過程
for step in range(501):
    # 進行訓練, 返回損失(代價)函式
    cost = model.train_on_batch(X_train, Y_train)
    if step % 100 == 0:
        print 'loss: ', cost

print '----Testing----'    
# 訓練結束進行測試
cost = model.evaluate(X_test, Y_test, batch_size = 40)
print 'test loss: '
 
, cost

# 獲取引數
W, b = model.layers[0].get_weights()
print 'Weights: ',W
print 'Biases: ', b

• 結果

----Training----
loss:  3.97799
loss:  0.100697
loss:  0.0118289
loss:  0.00448105
loss:  0.00278243
loss:  0.00232763
----Testing----
40/40 [==============================] - 0s
test loss:  0.00307717337273
Weights:  [[ 0.47406867]]
Biases:  [ 1.99442744]

參考資料