30秒上手系列
Sequential()模型:
from keras.models import Sequential
model = Sequential()
可以使用.add()来堆叠模型:
from keras.layer import Dense
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
完成模型构建后,可以用.compile()来配置学习过程:
model.compile(
loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy']
)
如果需要,还可以进一步配置优化器。
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=Keras.optimizer.SGD(lr=0.01, momentum=0.9, nesterov=True))
批量迭代
model.fit(x_train, y_train, epochs=5, batch_size=32)
或者手动将批次数据提供给模型
model.train_on_batch(x_batch, y_batch)
评估模型性能
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)
或者对新的数据生成预测:
classes = model.predict(x_test, batch_size=128)