Keras 深度學(xué)習(xí)

Keras 提供了一個(gè)完整的框架來(lái)創(chuàng)建任何類型的神經(jīng)網(wǎng)絡(luò)。Keras 具有創(chuàng)新性，而且非常容易學(xué)習(xí)。它支持簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)到非常大和復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型。接下來(lái)，在本章中將會(huì)了解 Keras 框架的架構(gòu)以及 Keras 如何幫助深度學(xué)習(xí)。

Keras 架構(gòu)

Keras API 可以分為三個(gè)主要類別：

• 模型
• 層
• 核心模塊

在 Keras 中，每個(gè) ANN 都由Keras 模型表示。反過(guò)來(lái)，每個(gè) Keras 模型都是由Keras 層組成，代表 ANN 層，如輸入、隱藏層、輸出層、卷積層、池化層等，Keras 模型和層訪問(wèn)Keras 模塊，用于激活函數(shù)、損失函數(shù)、正則化函數(shù)等，使用 Keras 模型、Keras 層和 Keras 模塊，可以以簡(jiǎn)單有效的方式表示任何 ANN 算法（CNN、RNN 等）。

下圖描述了模型、層和核心模塊之間的關(guān)系：

讓我們看看 Keras 模型、Keras 層和 Keras 模塊。

模型

Keras 模型由兩種類型：

順序模型（Sequential Model）

順序模型基本上是 Keras 層的線性組合。序列模型簡(jiǎn)單、最小，并且能夠表示幾乎所有可用的神經(jīng)網(wǎng)絡(luò)。

一個(gè)簡(jiǎn)單的順序模型如下 ：

from keras.models import Sequential
from keras.layers import Dense, Activation


model = Sequential()
model.add(Dense(512, activation = 'relu', input_shape = (784,)))

• 第 1 行 從 Keras 模型導(dǎo)入Sequential模型
• 第 2 行 導(dǎo)入Dense層和Activation模塊
• 第 4 行 使用Sequential API創(chuàng)建一個(gè)新的順序模型
• 第 5 行 添加了具有relu激活（使用 Activation 模塊）功能的密集層（Dense API）

順序模型公開(kāi)了Model類供我們創(chuàng)建自定義模型。我們可以使用子分類概念來(lái)創(chuàng)建我們自己的復(fù)雜模型。

功能 API

功能 API 基本上用于創(chuàng)建復(fù)雜的模型。

層

Keras 模型中的每個(gè) Keras 層代表實(shí)際提出的神經(jīng)網(wǎng)絡(luò)模型中的對(duì)應(yīng)層（輸入層、隱藏層和輸出層）。Keras 提供了很多預(yù)構(gòu)建層，因此可以輕松創(chuàng)建任何復(fù)雜的神經(jīng)網(wǎng)絡(luò)。下面指定了一些重要的 Keras 層，

• 核心層（Core）
• 卷積層（Convolution）
• 池化層（Pooling）
• 循環(huán)層（Recurrent）

使用順序模型表示神經(jīng)網(wǎng)絡(luò)模型的簡(jiǎn)單 Python 代碼如下：

from keras.models import Sequential 
from keras.layers import Dense, Activation, Dropout model = Sequential() 


model.add(Dense(512, activation = 'relu', input_shape = (784,))) 
model.add(Dropout(0.2)) 
model.add(Dense(512, activation = 'relu')) model.add(Dropout(0.2)) 
model.add(Dense(num_classes, activation = 'softmax'))

• 第 1 行 從 Keras 模型導(dǎo)入Sequential模型
• 第 2 行 導(dǎo)入Dense層和Activation模塊
• 第 4 行 使用Sequential API創(chuàng)建一個(gè)新的順序模型
• 第 5 行 添加了具有relu激活（使用 Activation 模塊）功能的密集層（Dense API）。
• 第 6 行 添加了一個(gè) dropout 層（Dropout API）來(lái)處理過(guò)擬合。
• 第 7 行 添加了另一個(gè)具有relu激活（使用 Activation 模塊）功能的密集層（Dense API）。
• 第 8 行 添加了另一個(gè) dropout 層（Dropout API）來(lái)處理過(guò)擬合。
• 第 9 行 添加了具有softmax激活（使用 Activation 模塊）功能的最終密集層（Dense API）。

Keras 還提供了創(chuàng)建我們自己的自定義層的選項(xiàng)。自定義層可以通過(guò)對(duì) Keras.Layer類進(jìn)行子分類來(lái)創(chuàng)建，它類似于對(duì) Keras 模型進(jìn)行子分類。

核心模塊

Keras 還提供了很多內(nèi)置的神經(jīng)網(wǎng)絡(luò)相關(guān)函數(shù)來(lái)正確創(chuàng)建 Keras 模型和 Keras 層。一些功能如下:

• 激活（Activation）模塊 激活函數(shù)是 ANN 中的一個(gè)重要概念，激活模塊提供了許多激活函數(shù)，如：softmax、relu等，
• 損失（Loss）模塊 損失模塊提供損失函數(shù)，如：mean_squared_error、mean_absolute_error、poisson等，
• 優(yōu)化器（Optimizer）模塊 優(yōu)化器模塊提供優(yōu)化器功能，如：adam、sgd等，
• 正則化器（Regularizers） 正則化器模塊提供L1正則化器、L2正則化器等功能，

讓我們?cè)诮酉聛?lái)的章節(jié)中詳細(xì)學(xué)習(xí) Keras 模塊。