介紹
大家好！非常高興又和大家見面了！不知道上一篇那些濃濃的理論知識大家理解了多少？有了那些上乘的內功打下根基，我今天再傳授你一些招式，相信很快你就可以獨當一面了！我們今天要學的就是一套上手極易！變化很大！威力驚人的招式！
這套武功的名字就叫Keras寶典！欲練此功，必先自…必先熟讀並理解上一篇！
Keras是一個高層神經網絡庫，Keras由純Python編寫而成，可以很好的運行於Tensorflow庫或Theano庫。Keras爲支持快速實驗而生，能夠把你的想法、創意迅速轉換爲結果，如果你有如下需求，請選擇Keras：
· 簡易和快速的原型設計（Keras具有高度模塊化，極簡，可擴充特性）
· 支持CNN（卷積神經網絡）和RNN（循環神經網絡），或二者的結合
· 支持任意的鏈接方案（包括多輸入和多輸出訓練）
· 無縫CPU和GPU切換
上述是官方對Keras的評價。 其實現在Python的機器學習庫有很多，據不完全統計有139個之多！它們各具特色，甚至還有帶圖形界面的，囧。其中公認最成熟的要屬Theano和谷歌的力推的親兒子Tensorflow！而我們要學的Keras可以任意在這兩個優秀的庫之間切換，並且具備了學習成本低和研發、迭代速度快等很多優點，可謂老少皆宜，居家必備之良品！
環境&配置
從這一章開始咱們的環境均使用類unix系統。
這一章咱們先基於Theano backend，至於Tensorflow，後面有關於的它的詳細介紹及實戰講解，咱們也得照顧一下大谷歌的親兒子是不是！（它現在確實非常流行）
安裝過程可以說是非常簡單，也可以說是非常艱難，我們來看看官方給出的安裝指南：
>>> sudo pip install -U --pre pip setuptools wheel
>>> sudo pip install -U --pre numpy scipy matplotlibscikit-learn scikit-image
>>> sudo pip install -U --pre theano
>>> sudo pip install -U --pre keras
然後進入Python終端驗證：
圖1 驗證環境是否安裝成功
沒有報錯就完成了……
呵呵我真想install你一臉！反正我是沒成功。實際上你可能遇上各種各樣的問題需要調上一天時間！文章結束我會把一些最有用的填坑指南網址附上，爭取不管你遇到什麼奇葩的問題都可以找到解決的辦法。
看我圖中顯示的是“Using Theanobackend”，爲了避免默認是Tensorflow backend，去這裏修改：~/.keras/keras.json，這裏的“backend”改成Theano即可。
圖2 keras.json配置文件
使用
這一張我們來用keras來搭建一個簡單的神經網絡，訓練它識別一些驗證碼。本章主要講搭建網絡結構來訓練嘛，圖片就偷點懶，用我們小白天書第一篇中切割出來的那些驗證碼，下面就讓我們用神經網絡代替KNN算法，識別驗證碼！
按照慣例，第一件事還是準備樣本！正如我們前文所說的，這個打標的過程就沒那麼好玩了…
圖3 樣本集
根據驗證碼的難易程度，切出相應數量的樣本打標。這個還是我們第一章用的驗證碼，很簡單，所以每一類只要有幾個樣本就夠了，我這裏準備了284個樣本，儘可能的去覆蓋每一類所有的可能切割出來的形態。正某人就曾經有過手動打4000個標的經歷，那酸爽，打一會兒就睡着了，醒了繼續打……
樣本準備好了，現在就開始建立模型吧！網上現在大部分教程都是停留在構建網絡結構上，今天我們就把高高在上的神經網絡就帶入實際的應用場景，針對某一個驗證碼來一次構建網絡+訓練模型+識別的全教程！並且把過程一一細化，讓你知道每一行代碼是在做什麼。直接上交一份代碼，詳細解析寫在註釋裏：
圖4 建立訓練模型
這就是全部模型結構的代碼了，對於我們這種比較簡單的驗證碼，不需要多複雜的網絡結構，只要恰當的三層加上合適的目標函數、優化函數就可以了。
建立好模型之後，我們來看訓練的相關代碼，圖5、4是連在一起的，圖5的前半段也是屬於圖4中train_examples方法，要注意。
圖5 訓練相關代碼
不出意外的話，控制檯應該輸出了這樣的結果：
圖6 訓練log
由於early stop的機制，我們進行了102輪的迭代就結束了。結束時我們的識別正確率和驗證的正確率從都已經到了95%以上，訓練損失和驗證集損失都處於一個較小的狀態，由於這個驗證碼相對比較簡單，這就完全足夠了。複雜的驗證碼則要求損失越小越好。
恭喜你！！！你已經完成一次完整的機器訓練的任務，提升到了2級！
已經可以用剛纔訓練出來的模型（就是代碼訓練完成後生成的json和weight結尾的文件）！識別代碼如下：
圖7 識別圖片
運行程序，得到結果：
圖8 識別結果展示
哈哈！是不是覺得自己離大神又近了一步！沒錯！你已經具備了用Keras簡單的搭建人工神經來識別驗證碼了！如果熟練掌握這些技能，就可以輕鬆地K.O市面上50%以上的驗證碼了，是不是很牛？
那另外那50%呢？比較複雜的驗證碼，只用普通的神經網絡來訓練就有些相形見絀了，我們需要更厲害的黑科技！那就是CNN（卷積神經網絡）和RNN（循環神經網絡）。只要你會Keras，用它們也是很簡單滴~在稍後奉上的《小白天書進階版》中，一定會帶你瞭解各種高深的神經網絡！持續關注我們吧！
附：安裝keras填坑指南
Keras中文文檔：http://keras-cn.readthedocs.io/en/latest/
import報錯：http://zhanxw.com/blog/2013/11/%E5%AE%89%E8%A3%85theano/
疑難雜症：http://blog.csdn.net/leexurui/article/details/52352094
失敗解決辦法：http://blog.csdn.net/leexurui/article/details/52352094
微信掃一掃
關注該公衆號