DL框架之Keras:深度学习框架Keras框架的简介、安装(Python库)、相关概念、Keras模型使用、使用方法之详细攻略(三)-阿里云开发者社区

开发者社区> 一个处女座的程序猿> 正文

DL框架之Keras:深度学习框架Keras框架的简介、安装(Python库)、相关概念、Keras模型使用、使用方法之详细攻略(三)

简介: DL框架之Keras:深度学习框架Keras框架的简介、安装(Python库)、相关概念、Keras模型使用、使用方法之详细攻略
+关注继续查看

其他概念


1、shape


(1)、指定输入数据的shape  


模型需要知道输入数据的shape,因此,Sequential的第一层需要接受一个关于输入数据shape的参数,后面的各个层则可以自动的推导出中间数据的shape,因此不需要为每个层都指定这个参数。


(2)、关于张量shape  更多详细内容参考这个博客https://blog.csdn.net/u013378306/article/details/56281549

  在Keras和Tensorflow中,数据是以张量的形式表示的,张量的形状就是shape。TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通即Flow。


  你可以认为一个二阶张量就是我们平常所说的矩阵,一阶张量可以认为是一个向量.对于一个二阶张量你可以用语句t[i, j]来访问其中的任何元素.而对于三阶张量你可以用't[i, j, k]'来访问其中的任何元素.


(1)input_shape就是指输入张量的shape。例如 input_dim=784,说明输入是一个784维的向量,这相当于一个一阶的张量,它的shape就是(784,)

image.png



2、回调


1、回调是传递给模型的对象,用于在训练期间自定义该模型并扩展其行为。你可以编写自定义回调,也可以使用包含以下方法的内置tf.keras.callbacks:


tf.keras.callbacks.ModelCheckpoint        '定期保存模型的检查点。'

tf.keras.callbacks.LearningRateScheduler  '动态更改学习速率。'

tf.keras.callbacks.EarlyStopping          '在验证效果不再改进时中断训练。'

tf.keras.callbacks.TensorBoard            '使用TensorBoard 监控模型的行为。'

2、要使用tf.keras.callbacks.Callback,请将其传递给模型的fit 方法:


callbacks = [

   # Interrupt training if `val_loss` stops improving for over 2 epochs

   tf.keras.callbacks.EarlyStopping(patience=2, monitor='val_loss'),

   # Write TensorBoard logs to `./logs` directory

   tf.keras.callbacks.TensorBoard(log_dir='./logs')

   ]

model.fit(data, labels, batch_size=32, epochs=5, callbacks=callbacks,

         validation_data=(val_data, val_labels))

3、保存和恢复


(1)仅限权重:使用tf.keras.Model.save_weights 保存并加载模型的权重


model = tf.keras.Sequential([layers.Dense(64, activation='relu'),

                            layers.Dense(10, activation='softmax')])

model.compile(optimizer=tf.train.AdamOptimizer(0.001),

             loss='categorical_crossentropy',metrics=['accuracy'])

'默认情况下,会以TensorFlow 检查点文件格式保存模型的权重'

# Save weights to a TensorFlow Checkpoint file

model.save_weights('./weights/my_model')

# Restore the model's state,# this requires a model with the same architecture.

model.load_weights('./weights/my_model')

'权重也可以另存为KerasHDF5 格式(Keras多后端实现的默认格式)'

# Save weights to a HDF5

filemodel.save_weights('my_model.h5', save_format='h5')

# Restore the model's statemodel.

load_weights('my_model.h5')

(2)、仅限配置:可以保存模型的配置,此操作会对模型架构(不含任何权重)进行序列化。即使没有定义原始模型的代码,保存的配置也可以重新创建并初始化相同的模型。Keras 支持JSON 和YAML 序列化格式:


# Serialize a model to JSON format

json_string = model.to_json()

json_string

import json

import pprint

pprint.pprint(json.loads(json_string))

'从json重新创建模型'

fresh_model = tf.keras.models.model_from_json(json_string)

(3)整个模型:整个模型可以保存到一个文件中,其中包含权重值、模型配置乃至优化器配置。这样,您就可以对模型设置检查点并稍后从完全相同的状态继续训练,而无需访问原始代码。


# Create a trivial model

model = tf.keras.Sequential([layers.Dense(10, activation='softmax', input_shape=(32,)),

                            layers.Dense(10, activation='softmax')])

model.compile(optimizer='rmsprop',loss='categorical_crossentropy',

             metrics=['accuracy'])

model.fit(data, labels, batch_size=32, epochs=5)

# Save entire model to a HDF5 file

model.save('my_model.h5')

# Recreate the exact same model, including weights and optimizer.

model = tf.keras.models.load_model('my_model.h5')


4、动态图机制:Eager Execution


     不同于TensorFlow的静态机制。


Eager Execution 是一种命令式编程环境,可立即评估操作。此环境对于Keras 并不是必需的,但是受tf.keras 的支持,并且可用于检查程序和调试。

所有tf.keras 模型构建API 都与Eager Execution 兼容。虽然可以使用Sequential 和函数式API,但Eager Execution 对模型子类化和构建自定义层特别有用。

与通过组合现有层来创建模型的API 不同,函数式API 要求你编写前向传播代码。


Keras的中的模型使用


1、查找使用方法


from keras.models import Sequential

model = Sequential()

help(model.compile)

image.png


(1)、model.compile()函数,用来配置训练模型参数,可以指定你设想的随机梯度下降中的网络的损失函数、优化方式等参数(2)、model.summary()函数,Prints a string summary of the network.

(3)、model.fit_generator()函数,Fits the model on data generated batch-by-batch by a Python generator.The generator is run in parallel to the model, for efficiency.For instance, this allows you to do real-time data augmentation on images on CPU in parallel to training your model on GPU.

(4)、K.placeholder()    #用于得到传递进来的真实的训练样本



2、Keras的 6 种预训练模型


     目前可知,Keras 已经将这 6 种预训练模型集成到了库中: VGG16、VGG19、ResNet50、Inception v3、Xception、MobileNet。VGG 网络以及从 2012 年以来的 AlexNet 都遵循现在的基本卷积网络的原型布局:一系列卷积层、最大池化层和激活层,最后还有一些全连接的分类层。MobileNet 本质上是为移动应用优化后的 Xception 架构的流线型(streamline)版本。



3、Keras深度学习框架的注意事项(自动下载存放路径等)、使用方法之详细攻略


DL之Keras: Keras深度学习框架的注意事项(自动下载存放路径等)、使用方法之详细攻略


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
Apache Thrift - 可伸缩的跨语言服务开发框架
http://www.ibm.com/developerworks/cn/java/j-lo-apachethrift/   前言: 目前流行的服务调用方式有很多种,例如基于 SOAP 消息格式的 Web Service,基于 JSON 消息格式的 RESTful 服务等。
755 0
关于ssm框架使用mysql控制台出现警告问题
使用MySQL时,总会时不时出现这种警告信息 警告信息:WARN: Establishing SSL connection without server's identity verification is not recommended.   出现这个警告的原因是: MySQL在高版本需要指明是否进行SSL连接。
936 0
使用Keras进行深度学习:(三)使用text-CNN处理自然语言(上)
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习、深度学习的知识! 上一篇文章中一直围绕着CNN处理图像数据进行讲解,而CNN除了处理图像数据之外,还适用于文本分类。
1405 0
深度学习Trick——用权重约束减轻深层网络过拟合|附(Keras)实现代码
深度学习小技巧,约束权重以降低模型过拟合的可能,附keras实现代码。
1562 0
使用iOS原生sqlite3框架对sqlite数据库进行操作(五)
使用iOS原生sqlite3框架对sqlite数据库进行操作
16 0
正尝试安装的adobe flash player不是最新版本
正尝试安装的adobe flash player不是最新版本: [HKEY_LOCAL_MACHINE\SOFTWARE\Macromedia\FlashPlayer\SafeVersions]将"9.0"=dword:00400000" 项删除,。
619 0
让keras训练深度网络时使用多个显卡
1、使用nvidia-smi pmon 查看linux系统的gpu情况,如下: 显然是2张显卡,如何让它们都工作呢 2、keras提供了keras.utils import multi_gpu_model使用多个显卡的功能: 在原来的model基础上使用multi_gpu_model函数指定一...
1917 0
SSM框架之关于使用JSP作为视图展示问题解决方案
JSP作为视图层展示数据,已经有很长一段时间了,不管是在校学习还是企业工作,总会或多或少接触这个。特别是对于一些传统中小型或者一些几年前的企业而言,有很多使用JSP作为视图展示层。 JSP本质是就是Servlet,Servlet可以说也是JSP。
1521 0
常用开源框架中设计模式使用分析
说起来设计模式,大家应该都耳熟能详,设计模式代表了软件设计的最佳实践,是经过不断总结提炼出来的代码设计经验的分类总结,这些模式或者可以简化代码,或者可以是代码逻辑开起来清晰,或者对功能扩展很方便...。
8619 0
+关注
一个处女座的程序猿
国内互联网圈知名博主、人工智能领域优秀创作者,全球最大中文IT社区博客专家、CSDN开发者联盟生态成员、中国开源社区专家、华为云社区专家、51CTO社区专家、Python社区专家等,曾受邀采访和评审十多次。仅在国内的CSDN平台,博客文章浏览量超过2500万,拥有超过57万的粉丝。
1701
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载