实例介绍
【实例简介】
Keras 中文文档pdf ，方便离线学习， 需要遵守下面的约定： 1. 除非得到授权，否则不可用于商业场合 2. 清晰标注作者和所有贡献者的信息
Introduction keras-cn 本项目由 BigMoyan于20164-29发起’旨在建立一个 keras. jo的中文版文档’并提 供更多用户友好的支持与建议 本项目目前已完成2x版本,文档网址为 keras-cn 如果你在使用 keras和 keras-Cn的过程中有任何问题,请发在 Issue中,我会定时检 查和回复,在 Issue中你也可以和志同道合的好基友们一起聊天 项目基于 Mkdocs生成静态网页’如果你想为文档做出贡献’请使用 Markdown编写 文档并遵守以下约定。 0.字体颜色 保持默认的字体颜色和字号’锚点的颜色为默认·超链接的颜色为默认 当使用< a name=' something's</a>来设置锚点时’可能引起字体颜色改变’如 果颜色发生改变’需要使用font修正字体·默认字体的颜色是#404040 1标题级别 页面大标题为一级,一般每个文件只有一个一级标题#页面内的小节是二级标题 ##小节的小节,如 examples里各个 example是三级标题# 2.代码块规则 成块的代码使用 pythe code 的形式显式指明段中代码使用``code¨`的形式指明 Introduction 3.超链接 链接到本项目其他页面的超链接使用相对路径·一个例子是[<font colo='#FF60">text</font>](./ models/ about model.md)链接到其他外 站的链接形式与此相同,只不过圆括号中是绝对地址 4.图片 图片保存在docs/ /images中,插入的例子是 [text](./images/image_name. png) 5分割线 每个二级标题之问使用**产生一个分割线 参考网站 Markdown简明教程 Markdown MkDocs中文教程 MKDoCs Keras文档 Keras 感谢参与! Introduction Keras中文文档 Keras:基于 Theano和 TensorFlow的深度学习 厍 这就是 Keras Keas是一个高层神经网络AP|’ Keras由纯 Python编写而成并基 Tensorflow或 Theano o Keras为支持快速实验而生,能够把你的idea迅速转换为结果,如果你有 如下需求,请选择 Keras ●简易和快速的原型设计( keras具有高度模块化’极简,和可扩充特性) ●支持CNN和RNN,或二者的结合 无缝CPU和GPU切换 Keras适用的Pyhn版本是: Python2.7-3.5 Keras的设计原则是 用户友好: Keras是为人类而不是天顶星人设计的AP|用户的使用体验始终是 我们考宸的首要和中心内容。 Keras遵循减少认知困难的最佳实践: Keras提供 一致而简洁的AP|,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bυug反馈 ●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、损失函数丶优化器、初始 化策略丶激活函数丶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。 ●易扩展性:添加訢模块超级容易’只需要仿照现有的模抉编写新的类或函数即 可。创建新模块的便利性使得 Keras更适合于先进的硏究工作 ·与 Python协作: Keras没有单独的模型配置文件类型(作为对比,cafe有) 模型由 python代码挡迹,使其更紧凑和更易 debug’并提供了扩展的便利性 关于 Keras-cn Keras中文文档 本文档是 Keras文档的中文版,包括 keras. jo的全部内容,以及更多的例子、解释和 建议 现在 keras-cn的版本号将简单的跟随最新的 keras release版本 由于作者水平和研究方向所限,无法对所有模块都非常精通’因此文档中不可避免 的会出现各种错误丶疏漏和不足之处。如果您在使用过程中有任何意见丶建议和疑 可,欢迎发送邮件到 moyan work@ Foxman!com与我取得联系。 您对文档的任何贡献’包括文档的翻译丶查缺补漏丶概悆解释丶发现和修改问题丶 贡献示例程序等,均会被记录在致谢,十分感谢您对 Keras中文文裆的贡献! 如果你发现本文档缺失了官方文档的部分内容,请积极联系我补充 木文档相对于原文档有更多的使用指导和概念澄清’请在使用时关注文档中的 Tips’特别的’本文档的额外模块还有 ● Keras新手指南∶我们新提供了" Keras新手指南”的页面’在这里我们对 Keras 进行了感性介绍,并简单介绍了 Keras配置方法、一些小知识与使用陷阱,新 手在使用前应该先阅读本部分的文档。 Keras资源∶在这个页面’我们罗列一些 Keras可用的资源’本页面会不定期更 新,请注意关注 ●深度学习与 Keras:位于导航栏最下方的该模块翻译了来自 Keras作者博客 keras.jo和其他 Keras相关博客的文章’该栏目的文章提供了对深度学习的理解 和大量使用 Keras的例子,您也可以向这个栏目投稿。所有的文章均在醒目位 置标志标明来源与作者,本文档对该栏目文章的原文不具有任何处置权。如您 仍觉不妥,请联系本人( moyan work@ foxmail!com)删除。 当前版本与更新 如杲你发现本文档提供的信息有误,有两种可能 ●你的 Keras版木过低:记住 Keras是一个发展迅速的深度学习框架’请保持你的 Keras与官方最新的 release版本相符 我们的中文文档没有及时更新∶如釆是这种情况·请发邮件给我’我会尽快更 新 Keras中文文档 目前文档的版本号是2.04,对应于官方的2.04 release版本,本次更新的主要内容 是 ●文档全面升级为 Keras2,绝大多数A門|均得到更新,请及时查看。对于 Keras1 的用户,请从gihυb下载本文档源代码’在 legacy中将 Markdown文件生成为 ρdf查看·同时如果哪位同学做了 keras1.2.2文档的pdf版也请发邮件告诉我 新増模块" keras新手指南”’敬请关注 ●补充了原文档中缺失,但源代码中确实可用的类和函数 °重新整理了文档风格和栏目·使得文档更容易阅读’改变了一些词的译法 ●目前’“深度学习与 Keras”一节中的示例代码尚未调整到 Keras2版木’敬请注 如果想查看 Keras1和 Keras2的AP变动,请访问这里 注意’ keras.在 github上的 master往往要高于当前的 release版本,如果你从源码编 译 keras’可能某些模块与文档说明不相符,请以官方 Github代码为准 快速开始:30s上手 Keras Keras的核心数据结构是“模型”’模型是一种组织网络层的方式。 Keras中主要的模 型是 Sequentia模型, Sequential是一系列网络层按顺序构成的栈。你也可以查看 函数式模型来学习建立更复杂的模型 Sequential模型如下 from keras models import sequential model Sequential( 将一些网络层通过,add()堆叠起来’就构成了一个模型 Keras中文文档 from keras layers import Dense, Activation model. add(dense (units=64, input__ dim=100)) model, add(activation (relu )) model. add (Dense (units=10) model. add(activation( sof tmax)) 完成模型的搭建后’我们需要使用. compile()方法来编译模型 model. compile(loss=categorical_crossentropy', optimizer=sgd, metrics=[ 'accuracy 1) 编译模型时必须指明损失函数和优化器’如果你需要的话’也可以自已定制损失函 数。 Keras的一个核心理念就是筒明易用同时,保证用户对 Keras的绝对控制力度 用户可以根据自己的需要定制自己的模型丶网络层·甚至修改源代码 from keras optimizers import SGD model. compile(loss=categorical__crossentropy', optimizer=sGD(Ir 0.01, moment um=0. 9, nesterov=True)) 完成模型编译后’我们在训练数据上按 batch进行一定次数的迭代来训练网络 model fit(xtrain, y train, epochs=5, batch_size=32) 当然’我们也可以手动将一个个 batch的数据送入网络中训练’这时候需要使用 model train_on_batch(x_batch, y_batch) 随后’我们可以使用一行代码对我们的模型进行评估’看看模型的指标是否满足我 们的要求: loss and metrics model, evaluate(x test, ytest, batch size=128 或者’我们可以使用我们的模型’对新的数据进行预测 Keras中文文档 classes model predict(x_test, batch_size=128) 搭建一个冋答系统丶图像分类模型·或神经图灵机丶word2vec词嵌入器就是这么 快。支撑深度学习的基本想法本就是筒单的·现在让我们把它的实现也变的简单起 来! 为了更深入的了解 Keras,我们建议你查看一下下面的两个 -tutoria 快速开始 Sequential模型 快速开始函数式模型 还有我们的新手教程,虽然是面向新手的,但我们阅读它们总是有益的: Keras訢手指南 在 Keras代码包的 examples文件夹里我们提供了一些更高级的模型:基于记忆网 络的问答系统、基于LSTM的文本的文本生成等。 安装 Keras使用了下面的依赖包 ● numpy,scpy pyyam ·HDF5,h5py(可选’仅在模型的save/oad函数中使用) 如果使用CNN的推荐安装 CUDNN 当使用 TensorFlow为后端时: TensorFlow 当使用 Theano作为后端时: ● Theano 后端”翻译自 backend’指的是 Keras依赖于完成底层的张量运算的软件包。 安装 Keras时,请cd到 Keras的文件夹中,并运行下面的安装命令 【实例截图】
【核心代码】
Keras 中文文档pdf ，方便离线学习， 需要遵守下面的约定： 1. 除非得到授权，否则不可用于商业场合 2. 清晰标注作者和所有贡献者的信息
Introduction keras-cn 本项目由 BigMoyan于20164-29发起’旨在建立一个 keras. jo的中文版文档’并提 供更多用户友好的支持与建议 本项目目前已完成2x版本,文档网址为 keras-cn 如果你在使用 keras和 keras-Cn的过程中有任何问题,请发在 Issue中,我会定时检 查和回复,在 Issue中你也可以和志同道合的好基友们一起聊天 项目基于 Mkdocs生成静态网页’如果你想为文档做出贡献’请使用 Markdown编写 文档并遵守以下约定。 0.字体颜色 保持默认的字体颜色和字号’锚点的颜色为默认·超链接的颜色为默认 当使用< a name=' something's</a>来设置锚点时’可能引起字体颜色改变’如 果颜色发生改变’需要使用font修正字体·默认字体的颜色是#404040 1标题级别 页面大标题为一级,一般每个文件只有一个一级标题#页面内的小节是二级标题 ##小节的小节,如 examples里各个 example是三级标题# 2.代码块规则 成块的代码使用 pythe code 的形式显式指明段中代码使用``code¨`的形式指明 Introduction 3.超链接 链接到本项目其他页面的超链接使用相对路径·一个例子是[<font colo='#FF60">text</font>](./ models/ about model.md)链接到其他外 站的链接形式与此相同,只不过圆括号中是绝对地址 4.图片 图片保存在docs/ /images中,插入的例子是 [text](./images/image_name. png) 5分割线 每个二级标题之问使用**产生一个分割线 参考网站 Markdown简明教程 Markdown MkDocs中文教程 MKDoCs Keras文档 Keras 感谢参与! Introduction Keras中文文档 Keras:基于 Theano和 TensorFlow的深度学习 厍 这就是 Keras Keas是一个高层神经网络AP|’ Keras由纯 Python编写而成并基 Tensorflow或 Theano o Keras为支持快速实验而生,能够把你的idea迅速转换为结果,如果你有 如下需求,请选择 Keras ●简易和快速的原型设计( keras具有高度模块化’极简,和可扩充特性) ●支持CNN和RNN,或二者的结合 无缝CPU和GPU切换 Keras适用的Pyhn版本是: Python2.7-3.5 Keras的设计原则是 用户友好: Keras是为人类而不是天顶星人设计的AP|用户的使用体验始终是 我们考宸的首要和中心内容。 Keras遵循减少认知困难的最佳实践: Keras提供 一致而简洁的AP|,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bυug反馈 ●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、损失函数丶优化器、初始 化策略丶激活函数丶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。 ●易扩展性:添加訢模块超级容易’只需要仿照现有的模抉编写新的类或函数即 可。创建新模块的便利性使得 Keras更适合于先进的硏究工作 ·与 Python协作: Keras没有单独的模型配置文件类型(作为对比,cafe有) 模型由 python代码挡迹,使其更紧凑和更易 debug’并提供了扩展的便利性 关于 Keras-cn Keras中文文档 本文档是 Keras文档的中文版,包括 keras. jo的全部内容,以及更多的例子、解释和 建议 现在 keras-cn的版本号将简单的跟随最新的 keras release版本 由于作者水平和研究方向所限,无法对所有模块都非常精通’因此文档中不可避免 的会出现各种错误丶疏漏和不足之处。如果您在使用过程中有任何意见丶建议和疑 可,欢迎发送邮件到 moyan work@ Foxman!com与我取得联系。 您对文档的任何贡献’包括文档的翻译丶查缺补漏丶概悆解释丶发现和修改问题丶 贡献示例程序等,均会被记录在致谢,十分感谢您对 Keras中文文裆的贡献! 如果你发现本文档缺失了官方文档的部分内容,请积极联系我补充 木文档相对于原文档有更多的使用指导和概念澄清’请在使用时关注文档中的 Tips’特别的’本文档的额外模块还有 ● Keras新手指南∶我们新提供了" Keras新手指南”的页面’在这里我们对 Keras 进行了感性介绍,并简单介绍了 Keras配置方法、一些小知识与使用陷阱,新 手在使用前应该先阅读本部分的文档。 Keras资源∶在这个页面’我们罗列一些 Keras可用的资源’本页面会不定期更 新,请注意关注 ●深度学习与 Keras:位于导航栏最下方的该模块翻译了来自 Keras作者博客 keras.jo和其他 Keras相关博客的文章’该栏目的文章提供了对深度学习的理解 和大量使用 Keras的例子,您也可以向这个栏目投稿。所有的文章均在醒目位 置标志标明来源与作者,本文档对该栏目文章的原文不具有任何处置权。如您 仍觉不妥,请联系本人( moyan work@ foxmail!com)删除。 当前版本与更新 如杲你发现本文档提供的信息有误,有两种可能 ●你的 Keras版木过低:记住 Keras是一个发展迅速的深度学习框架’请保持你的 Keras与官方最新的 release版本相符 我们的中文文档没有及时更新∶如釆是这种情况·请发邮件给我’我会尽快更 新 Keras中文文档 目前文档的版本号是2.04,对应于官方的2.04 release版本,本次更新的主要内容 是 ●文档全面升级为 Keras2,绝大多数A門|均得到更新,请及时查看。对于 Keras1 的用户,请从gihυb下载本文档源代码’在 legacy中将 Markdown文件生成为 ρdf查看·同时如果哪位同学做了 keras1.2.2文档的pdf版也请发邮件告诉我 新増模块" keras新手指南”’敬请关注 ●补充了原文档中缺失,但源代码中确实可用的类和函数 °重新整理了文档风格和栏目·使得文档更容易阅读’改变了一些词的译法 ●目前’“深度学习与 Keras”一节中的示例代码尚未调整到 Keras2版木’敬请注 如果想查看 Keras1和 Keras2的AP变动,请访问这里 注意’ keras.在 github上的 master往往要高于当前的 release版本,如果你从源码编 译 keras’可能某些模块与文档说明不相符,请以官方 Github代码为准 快速开始:30s上手 Keras Keras的核心数据结构是“模型”’模型是一种组织网络层的方式。 Keras中主要的模 型是 Sequentia模型, Sequential是一系列网络层按顺序构成的栈。你也可以查看 函数式模型来学习建立更复杂的模型 Sequential模型如下 from keras models import sequential model Sequential( 将一些网络层通过,add()堆叠起来’就构成了一个模型 Keras中文文档 from keras layers import Dense, Activation model. add(dense (units=64, input__ dim=100)) model, add(activation (relu )) model. add (Dense (units=10) model. add(activation( sof tmax)) 完成模型的搭建后’我们需要使用. compile()方法来编译模型 model. compile(loss=categorical_crossentropy', optimizer=sgd, metrics=[ 'accuracy 1) 编译模型时必须指明损失函数和优化器’如果你需要的话’也可以自已定制损失函 数。 Keras的一个核心理念就是筒明易用同时,保证用户对 Keras的绝对控制力度 用户可以根据自己的需要定制自己的模型丶网络层·甚至修改源代码 from keras optimizers import SGD model. compile(loss=categorical__crossentropy', optimizer=sGD(Ir 0.01, moment um=0. 9, nesterov=True)) 完成模型编译后’我们在训练数据上按 batch进行一定次数的迭代来训练网络 model fit(xtrain, y train, epochs=5, batch_size=32) 当然’我们也可以手动将一个个 batch的数据送入网络中训练’这时候需要使用 model train_on_batch(x_batch, y_batch) 随后’我们可以使用一行代码对我们的模型进行评估’看看模型的指标是否满足我 们的要求: loss and metrics model, evaluate(x test, ytest, batch size=128 或者’我们可以使用我们的模型’对新的数据进行预测 Keras中文文档 classes model predict(x_test, batch_size=128) 搭建一个冋答系统丶图像分类模型·或神经图灵机丶word2vec词嵌入器就是这么 快。支撑深度学习的基本想法本就是筒单的·现在让我们把它的实现也变的简单起 来! 为了更深入的了解 Keras,我们建议你查看一下下面的两个 -tutoria 快速开始 Sequential模型 快速开始函数式模型 还有我们的新手教程,虽然是面向新手的,但我们阅读它们总是有益的: Keras訢手指南 在 Keras代码包的 examples文件夹里我们提供了一些更高级的模型:基于记忆网 络的问答系统、基于LSTM的文本的文本生成等。 安装 Keras使用了下面的依赖包 ● numpy,scpy pyyam ·HDF5,h5py(可选’仅在模型的save/oad函数中使用) 如果使用CNN的推荐安装 CUDNN 当使用 TensorFlow为后端时: TensorFlow 当使用 Theano作为后端时: ● Theano 后端”翻译自 backend’指的是 Keras依赖于完成底层的张量运算的软件包。 安装 Keras时,请cd到 Keras的文件夹中,并运行下面的安装命令 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论