Keras基于Python的深度學習庫是怎樣的

Keras基于Python的深度學習庫是怎樣的，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

Keras 是一個用 Python 編寫的高級神經網絡 API，它能夠以CNTK, Theano或TensorFlow 作為后端運行。Keras 的開發重點是支持快速的實驗。能夠以最小的時延把你的想法轉換為實驗結果，是做好研究的關鍵。

指導原則：

用戶友好。 Keras 是為人類而不是為機器設計的 API。它把用戶體驗放在首要和中心位置。Keras 遵循減少認知困難的最佳實踐：它提供一致且簡單的 API，將常見用例所需的用戶操作數量降至最低，并且在用戶錯誤時提供清晰和可操作的反饋。

模塊化。 模型被理解為由獨立的、完全可配置的模塊構成的序列或圖。這些模塊可以以盡可能少的限制組裝在一起。特別是神經網絡層、損失函數、優化器、初始化方法、激活函數、正則化方法，它們都是可以結合起來構建新模型的模塊。

易擴展性。 新的模塊是很容易添加的（作為新的類和函數），現有的模塊已經提供了充足的示例。由于能夠輕松地創建可以提高表現力的新模塊，Keras 更加適合高級研究。

基于 Python 實現。 Keras 沒有特定格式的單獨配置文件。模型定義在 Python 代碼中，這些代碼緊湊，易于調試，并且易于擴展。

Keras 兼容的 Python 版本: Python 2.7-3.6。

安裝日志：

我用的環境是 python 3.5.2,AnaConda 4.5.11,建議一定使用conda安裝，會省很多事。如果你喜歡挑戰，那就用pip試一下。

命令：conda install keras ，具體執行效果如下：

我后端安裝的是Tensorflow，使用的是K+T的組合。

基于該環境做了一例子：

Multilayer Perceptron (MLP) for multi-class softmax classification:

import keras

from keras.models import Sequential

from keras.layers import Dense, Dropout, Activation

from keras.optimizers import SGD

# Generate dummy data

import numpy as np

x_train = np.random.random((1000, 20))

y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)

x_test = np.random.random((100, 20))

y_test = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)

model = Sequential()

# Dense(64) is a fully-connected layer with 64 hidden units.

# in the first layer, you must specify the expected input data shape:

# here, 20-dimensional vectors.

model.add(Dense(64, activation='relu', input_dim=20))

model.add(Dropout(0.5))

model.add(Dense(64, activation='relu'))

model.add(Dropout(0.5))

model.add(Dense(10, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)

model.compile(loss='categorical_crossentropy',

optimizer=sgd,

metrics=['accuracy'])

model.fit(x_train, y_train,

epochs=20,

batch_size=128)

score = model.evaluate(x_test, y_test, batch_size=128)

系統會提示了一個錯誤：

Message=softmax() got an unexpected keyword argument 'axis'

針對該問題， 是因為keras和tensorflow的版本匹配問題，基本匹配表是：

我安裝的Tensorflow版本是 1.2.1， keras是最新版本

重新安裝2.0.6，conda沒找到，然后安裝2.0.8

升級完成后遇到新問題：

module 'pandas' has no attribute 'computation'

更新dask,如下：

重新運行上面的例子

Multilayer Perceptron (MLP) for multi-class softmax classification:

結果如下：

關于Keras基于Python的深度學習庫是怎樣的問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。