本文共 1198 字，大约阅读时间需要 3 分钟。

最近用到了tensorflow来为自己得科学计算进行加速，效果不明显，但是既然tensorflow的主要目标是搭建人工智能，那就继续学学它的一些东西吧

学习内容来自tensorflow中文网站

今天就看看keras

需要明确一点的是，keras是单独存在的，它本身就是一个高层神经网络API,但是tensorflow又基于keras的规范，自己也把它给实现了

这个网站就是keras的一个中文文档，里面的介绍是

• 简易和快速的原型设计
• 支持CNN和RNN,或二者的结合
• 无缝CPU和GPU切换

我们就先用原生的keras练习以下

# For a single-input model with 2 classes (binary classification):model = Sequential() # 实例一个序贯模型model.add(Dense(32, activation='relu', input_dim=100)) # 添加全连接层，激活函数，输入数据model.add(Dense(1, activation='sigmoid')) # 增加另一层model.compile(optimizer='rmsprop',              loss='binary_crossentropy',              metrics=['accuracy']) # 训练模式 优化器，损失函数，列表（metrics）# Generate dummy dataimport numpy as npdata = np.random.random((1000, 100))labels = np.random.randint(2, size=(1000, 1))# Train the model, iterating on the data in batches of 32 samplesmodel.fit(data, labels, epochs=10, batch_size=32) #训练

这里，需要了解以下Dense

keras.layers.core.Dense(units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

units:大于0的整数，代表该层的输出维度。

activation:记过函数

use_bias:偏置项

还没写完，后面继续

转载地址：https://blog.csdn.net/zhouzhouasishuijiao/article/details/85139441 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！