2. 程式人生 > >深度學習-74: Keras的架構、模型、視覺化和案例庫

深度學習-74: Keras的架構、模型、視覺化和案例庫

阿新 • • 發佈：2018-12-03

深度學習-74: Keras的架構、模型、視覺化和案例庫

深度學習原理與實踐(開源圖書)-總目錄，建議收藏，告別碎片閱讀!

文字介紹Keras的架構，Keras內建資料集，Keras內建模型、內建視覺化支援和相關線上資源。Keras一個高度模組化的神經網路庫，支援GPU和CPU。Keras支援卷積神經網路和迴圈神經網路，以及兩者的組合。Keras 是一個用 Python 編寫的高階神經網路 API，它能夠以 TensorFlow, CNTK, 或者 Theano 作為後端執行。Keras 的開發重點是支援快速的實驗。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。

1 Keras的架構

Keras(κέρας)在希臘語中意為號角。它來自古希臘和拉丁文學中的一個文學形象，首先出現於《奧德賽》中，夢神(Oneiroi, singular Oneiros)從這兩類人中分離出來：那些用虛幻的景象欺騙人類，通過象牙之門(Ivory/ἐλέφας)抵達地球之人，以及那些宣告未來即將到來，通過號角之門(Keras/κέρας)抵達之人。

Keras希望研發人員通過號角(Keras/κέρας)之門抵達真理的彼岸，而不是通過象牙(Ivory/ἐλέφας)之門抵達真理的彼岸。Keras 是一個用 Python 編寫的高階神經網路 API，它能夠以 TensorFlow, CNTK, 或者 Theano 作為後端執行。Keras 的開發重點是支援快速的實驗。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。

Keras的高階特性:

  • 允許簡單而快速的原型設計(由於使用者友好，高度模組化，可擴充套件性)。
  • 同時支援卷積神經網路和迴圈神經網路，以及兩者的組合。
  • 在 CPU 和 GPU 上無縫執行。

2 Keras內建資料集

Keras內建波斯頓房價迴歸資料集、IMDB電影影評情感分類資料集、路透社新聞專線主題分類資料集、手寫數字MNIST資料集、時尚MNIST資料庫(鞋服裙帽)、CIFAR10小影象資料集和CIFAR100小影象資料集。

2.1 波斯頓房價迴歸資料集

  • 資料集取自卡內基梅隆大學維護的StatLib庫。
from tensorflow.
 
python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.boston_housing.load_data()

2.2 IMDB電影影評情感分類

  • 訓練集：25000條評論，正面評價標為1，負面評價標為0
  • 測試集：25000條評論
from tensorflow.python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.imdb.load_data(path="imdb.npz",

2.3 路透社新聞專線主題分類

總資料集：11228條新聞專線，46個主題。

from tensorflow.python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.reuters.load_data(path="reuters.npz", ....)

2.4 手寫數字MNIST資料集

  • 訓練集：60000張灰色影象，大小28*28，共10類（0-9）
  • 測試集：10000張灰色影象，大小28*28
from tensorflow.python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

2.5 時尚MNIST資料庫(鞋服裙帽)

  • MNIST已經被玩壞了！用時尚MNIST替換吧!
  • 訓練集：60000張灰色影象，大小28*28，共10類（0-9）
  • 測試集：10000張灰色影象，大小28*28
from tensorflow.python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

2.6 CIFAR10小影象

  • 訓練集：50000張彩色影象，大小32*32，被分成10類
  • 測試集：10000張彩色影象，大小32*32
from tensorflow.python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()

2.7 CIFAR100小影象

  • 訓練集：50000張彩色影象，大小32*32，被分成100類
  • 測試集：10000張彩色影象，大小32*32
from tensorflow.python import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar100.load_data()

3 Keras內建模型

TensorFlow Model Zoo

  • 官方模型是使用TensorFlow的高階API的示例模型的集合。 它們旨在通過最新的穩定TensorFlow API進行良好維護，測試並保持最新。 它們還應進行合理優化，以便在保持易讀性的同時實現快速效能。 我們特別推薦新的TensorFlow使用者從這裡開始。

  • 研究模型是研究人員在TensorFlow中實施的大量模型。 它們沒有得到官方支援或在釋出分支中可用; 由個體研究人員來維護模型和/或提供問題和拉取請求的支援。

Tensorflow支援Keras的API。Keras提供了預訓練的深度學習模型，這些模型可用於預測，特徵提取和微調。Keras介面的模型使用方法，請參考文件Keras Application。

使用Keras Applications和2012年ILSVRC ImageNet驗證集上的TensorFlow後端獲得top-k錯誤，可能與原始版本略有不同。除NASNetLarge（331x331），InceptionV3（299x299），InceptionResNetV2（299x299）和Xception（299x299）外，所有型號的輸入大小均為224x224。

使用ImageNet訓練的權重進行影象分類的Keras模型：

  • Xception
  • VGG16
  • VGG19
  • ResNet50
  • InceptionV3
  • InceptionResNetV2
  • MobileNet
  • DenseNet
  • NASNet
  • MobileNetV2

4 內建視覺化支援

keras.utils.vis_utils模組提供了一些繪製Keras模型的實用功能(使用graphviz)。以下例項，將繪製一張模型圖，並儲存為檔案：

keras.utils.plot_model(model, to_file='model.png')
keras.utils.print_summary(model, line_length=None, positions=None, print_fn=None)

Keras沒有提供更多視覺化的支援了。

系列文章

參考文獻

相關推薦

深度學習-74: Keras的架構、模型、視覺化和案例庫

深度學習-74: Keras的架構、模型、視覺化和案例庫 深度學習原理與實踐(開源圖書)-總目錄，建議收藏，告別碎片閱讀! 文字介紹Keras的架構，Keras內建資料集，Keras內建模型、內建視覺化支援和相關線上資源。Keras一個高度模組化的神經網路庫，支援G

深度學習-72: PyTorch的架構、模型、視覺化和案例庫

深度學習-72: PyTorch的架構、模型、視覺化和案例庫 深度學習原理與實踐(開源圖書)-總目錄，建議收藏，告別碎片閱讀! 文字介紹PyTorch的架構，PyTorch內建資料集，PyTorch內建模型、PyTorch的視覺化支援和相關線上資源。PyTorch(

深度學習-71: Tensorflow的架構、模型、視覺化和案例庫

深度學習-71: Tensorflow的架構、模型、視覺化和案例庫 深度學習原理與實踐(開源圖書)-總目錄,建議收藏，告別碎片閱讀! 文字介紹Tensorflow的架構，Tensorflow內建資料集，Tensorflow內建模型、內建視覺化支援和相關線上資源。Te

深度學習小白——卷積神經網路視覺化（二）

一、由卷積後的code得到原始影象 可以看出隨著卷積網路的進行，越來越多的資訊被扔掉了，能還原除的資訊也就越少。 二、Deep Dream google發明的起初是用來看神經網路各層在“看”什麼，後來因為得到的影象很具有藝術感，所以成為了一個藝術圖片生成器。 這是一

《TensorFlow：實戰Google深度學習框架》——5.4 模型持久化（模型儲存、模型載入）

目錄 1、持久化程式碼實現 2、載入儲存的TensorFlow模型 3、載入部分變數 4、載入變數時重新命名 1、持久化程式碼實現 TensorFlow提供了一個非常簡單的API來儲存和還原一個神經網路模型。這個API就是tf.train.Saver類。一下程式碼給出了儲

深度學習筆記一： LeNet-5、AlexNet 和 VGGNet等網路模型的小結

最近在學習吳恩達Andrew Ng的深度學習課程，之前對這幾個網路還比較混亂，現在記錄一下： LeNet-5神經網路的貢獻：  1.這是一個比較早的網路模型，其中在卷積層後面加入池化層的思想先今還在使用。 2.在最後的卷積層接入池化層和全連線層在當前也比較常用。 出

深度學習框架keras平臺搭建（關鍵字：windows、非GPU、離線安裝）

當下，人工智慧越來越受到人們的關注，而這很大程度上都歸功於深度學習的迅猛發展。人工智慧和不同產業之間的成功跨界對傳統產業產生著深刻的影響。 最近，我也開始不斷接觸深度學習，之前也看了很多文章介紹，對深度學習的歷史發展以及相關理論知識也有大致瞭解。 但常言道：紙上得來終覺淺，

23個深度學習庫大排名：TensorFlow、Keras名列一二，Sonnet增長最快

本文對 23 個深度學習庫進行了排名，衡量的標準有三個：GitHub、Stack Overflow 以及谷歌搜尋結果。TensorFlow 憑藉最大、最活躍的社群主導了該領域，排名第一；Keras 是最為流行的深度學習前端，排名第二；Theano 依然實力強大，即使沒有大公司的支援，排名第四；Sonnet

深度學習課程之文字預處理、詞袋模型、word2vec、語言模型（1.9）

詞向量和語言模型 深度學習其實最成功的應用是在影象上，有了 CNN 可以很好地提取影象上的特徵，這些特徵經過幾層的神經網路結構可以很好地組合成比較抽象的特徵。 NLP 常見任務 自動摘要：媒體需要的頭條通過 NLP 自動提取 機器翻譯 主題識別 文字分類

學習筆記TF016:CNN實現、數據集、TFRecord、加載圖像、模型、訓練、調試

quest oba lose 神經元 byte 足夠 jpg eight 值轉換 AlexNet(Alex Krizhevsky,ILSVRC2012冠軍)適合做圖像分類。層自左向右、自上向下讀取，關聯層分為一組，高度、寬度減小，深度增加。深度增加減少網絡計算量。 訓練模

架構是模型、框架是軟件

con mod 依賴 its ons cep design arch fun 軟件架構是模型，是設計產品： http://www.iso-architecture.org/42010/cm/ Systems have architectures. In the Standa

吳恩達-深度學習-課程筆記-8: 超參數調試、Batch正則化和softmax( Week 3 )

erp 搜索 給定 via 深度 mode any .com sim 1 調試處理( tuning process ) 如下圖所示，ng認為學習速率α是需要調試的最重要的超參數。 其次重要的是momentum算法的β參數（一般設為0.9），隱藏單元數和mini-batch的

神經網路與深度學習課程筆記（第三、四周）

接著學習吳恩達老師第三、四周的課程。（圖片均來自吳恩達老師課件）   第三週 1. 普通的淺層網路                        

機器學習三要素之資料、模型、演算法

一般一個模型是通過如下過程獲得： 即演算法通過在資料上進行運算產生模型。 下面我們從資料，模型，演算法上來深入分析機器學習的過程。 資料 我們都知道，機器學習需要大量的資料來訓練模型，尤其是訓練神經網路。在進行機器學習時，資料集一般會被劃分為訓練集和測試集，很

深度學習框架---keras的層次示意圖---方便直觀理解---適用sklearn模型的展示

感覺keras確實比其他框架舒服一點，但是前期理解keras層的時候可能有點小問題，keras的層使用了原始神經網路層的概念，即先有上層的輸出聚合，聚合後在進入啟用函式。我的環境是python3.5+tensorflow+keras+graphviz+pydot_ng+pydotplus 其中

深度學習 --- 優化入門二（SGD、動量(Momentum)、AdaGrad、RMSProp、Adam詳解）

另在一篇文章中，我們介紹了隨機梯度下降的細節以及如何解決陷入區域性最小值或鞍點等問題。在這篇文章中，我們看看另一個困擾神經網路訓練的問題，即病態曲率。 雖然區域性最小值和鞍點可以阻止我們的訓練，但是病態曲率可以使訓練減慢到機器學習從業者可能認為搜尋已經收斂到次優極小值的程度。讓我們深入瞭解病

深度學習 cuda8.0+ubuntu16.04+theano、caffe、tensorflow環境搭建

轉自：https://blog.csdn.net/hjimce/article/details/51999566 cuda8.0+ubuntu16.04+theano、caffe、tensorflow環境搭建 目前自己撘過深度學習各種庫、各種環境，已經搭建了n多臺電腦，發現每臺電腦配置安裝方

基於Theano的深度學習框架keras及配合SVM訓練模型

https://blog.csdn.net/a819825294/article/details/51334397 1.介紹 Keras是基於Theano的一個深度學習框架，它的設計參考了Torch，用Python語言編寫，是一個高度模組化的神經網路庫，支援GPU和CPU。keras官方文件地址 地址 2.

深度學習中目標檢測演算法 RCNN、Fast RCNN、Faster RCNN 的基本思想

前言 影象分類，檢測及分割是計算機視覺領域的三大任務。即影象理解的三個層次： 分類（Classification），即是將影象結構化為某一類別的資訊，用事先確定好的類別(string)或例項ID來描述圖片。這一任務是最簡單、最基礎的影象理解任務，也是深度學習模型最先取得突

基於Theano的深度學習框架keras及配合SVM訓練模型 (非常好的思路：DL+DM)

1.介紹 Keras是基於Theano的一個深度學習框架，它的設計參考了Torch，用Python語言編寫，是一個高度模組化的神經網路庫，支援GPU和CPU。keras官方文件地址 地址 2.流程 先使用CNN進行訓練，利用Theano函式將CNN全連線層的值取出來，給SVM進行訓練 3.結果示例 因