📅  最后修改于: 2023-12-03 15:32:27.964000             🧑  作者: Mango
Keras是一个用于构建深度学习模型的高级框架,可以轻松地在TensorFlow、Theano和CNTK等后端上运行。它是由Francois Chollet创建的,目标是使深度学习更加简单、快速和易于使用。
在安装Keras之前,需要先安装支持的深度学习后端,例如TensorFlow或者Theano。可以通过以下命令来安装Keras:
pip install keras
以下示例展示了如何使用Keras来定义一个简单的卷积神经网络,并使用MNIST数据集进行训练和测试:
import keras
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
# 定义模型结构
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))
# 编译模型
model.compile(loss='categorical_crossentropy',
optimizer='adam',
metrics=['accuracy'])
# 加载MNIST数据集
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 预处理数据
x_train = x_train.reshape(x_train.shape[0], 28, 28, 1)
x_test = x_test.reshape(x_test.shape[0], 28, 28, 1)
y_train = keras.utils.to_categorical(y_train, 10)
y_test = keras.utils.to_categorical(y_test, 10)
# 训练模型
model.fit(x_train, y_train,
batch_size=128,
epochs=10,
verbose=1,
validation_data=(x_test, y_test))
# 评估模型
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])
Keras是一个简单快速的深度学习框架,拥有易用的API和可扩展能力。在Keras的帮助下,用户可以非常方便地构建深度学习模型,并且快速地进行训练和测试。