Keras創建一個簡單的模型

Keras創建一個模型的步驟如下：

（一）模型定義。定義模型的結構

（二）模型編譯。指定損失函數和優化器，並調用模型的compile() 函數，完成模型編譯

（三）訓練模型。通過調用模型的fit() 函數來訓練模型

（四）模型預測。調用模型的evaluate() 或者predicr() 等函數對新數據進行預測

 

定義模型的三種方法：

1.

# 方式一: 使用 .add() 方法將各層添加到模型中
# 導入相關包
from keras.models import Sequential
from keras.layers import Dense, Activation

# 選擇模型，選擇序貫模型（Sequential())
model = Sequential()

# 構建網絡層
# 添加全連接層，輸入784維,輸出空間維度32
model.add(Dense(32, input_shape=(784,)))

# 添加激活層，激活函數是 relu
model.add(Activation('relu'))

# 打印模型概況
model.summary()

2.

# 方式二：網絡層實例的列表構建序貫模型
# 導入相關的包
from keras.models import Sequential
from keras.layers import Dense, Activation

# 選擇模型，選擇序貫模型（Sequential())
# 通過將網絡層實例的列表傳遞給 Sequential 的構造器，來創建一個 Sequential 模型
model = Sequential([
    Dense(32, input_shape=(784,)),
    Activation('relu')
])

# 打印模型概況
model.summary()

 

3.

# 方式三：函數式模型
# 導入相關的包
from keras.layers import Input, Dense,Activation
from keras.models import Model

# 輸入層，返回一個張量 tensor
inputs = Input(shape=(784,))

# 全連接層，返回一個張量
output_1 = Dense(32)(inputs)

# 激活函數層
predictions= Activation(activation='relu')(output_1)

# 創建一個模型，包含輸入層、全連接層和激活層
model = Model(inputs=inputs, outputs=predictions)

# 打印模型概況
model.summary()