机器学习:我选kera

Posted cnblogzaizai

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习:我选kera相关的知识,希望对你有一定的参考价值。

技术图片


概述

  • Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果,是做好研究的关键。

优点

用户友好

  • Keras 是为人类而不是为机器设计的 API。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践:它提供一致且简单的 API,将常见用例所需的用户操作数量降至最低,并且在用户错误时提供清晰和可操作的反馈。

模块化

  • 模型被理解为由独立的、完全可配置的模块构成的序列或图。这些模块可以以尽可能少的限制组装在一起。特别是神经网络层、损失函数、优化器、初始化方法、激活函数、正则化方法,它们都是可以结合起来构建新模型的模块。

易扩展性

  • 新的模块是很容易添加的(作为新的类和函数),现有的模块已经提供了充足的示例。由于能够轻松地创建可以提高表现力的新模块,Keras 更加适合高级研究。

基于 Python 实现

  • Keras 没有特定格式的单独配置文件。模型定义在 Python 代码中,这些代码紧凑,易于调试,并且易于扩展。

安装指引

在安装 Keras 之前,请安装以下后端引擎之一:TensorFlow,Theano,或者 CNTK。推荐 TensorFlow 后端。

你也可以考虑安装以下可选依赖

  • cuDNN (如果你计划在 GPU 上运行 Keras,建议安装)。
  • HDF5 和 h5py (如果你需要将 Keras 模型保存到磁盘,则需要这些)。
  • graphvizpydot (用于可视化工具绘制模型图)。

配置你的 Keras 后端

默认情况下,Keras 将使用 TensorFlow 作为其张量操作库。请跟随这些指引来配置其他 Keras 后端。

总结

  • 本篇作为kera的开门介绍篇,后续将会继续发布相关的知识点

相关阅读

以上是关于机器学习:我选kera的主要内容,如果未能解决你的问题,请参考以下文章

用Keras解决机器学习问题!

文本分类:Keras+RNN vs 传统机器学习

文本分类:Keras+RNN vs传统机器学习

Keras深度学习实战——基于编码器-解码器的机器翻译模型

有哪些好用的机器学习和数据挖掘工具?

Keras深度学习实战(34)——构建聊天机器人