机器学习博士笔记分享 Keras中几个重要函数用法

Keras的核心数据结构是“模型”,模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型,Sequential是一系列网络层按顺序构成的栈。你也可以查看泛型模型来学习建立更复杂的模型。

Keras中几个重要函数用法

模块需导入包:

激活函数有如下几种类型可选:

softmax、elu、softplus、softsign、relu、tanh、sigmoid、hard_sigmoid、linear

Dense(全连接层)

Dense层(https://keras-cn.readthedocs.io/en/latest/layers/core_layer/)

units:大于0的整数,代表该层的输出维度。 activation:激活函数,为预定义的激活函数名(参考激活函数),或逐元素(element-wise)的Theano函数。如果不指定该参数,将不会使用任何激活函数(即使用线性激活函数:a(x)=x) usebias: 布尔值,是否使用偏置项 kernelinitializer:权值初始化方法,为预定义初始化方法名的字符串,或用于初始化权重的初始化器。参考initializers bias_initializer:权值初始化方法,为预定义初始化方法名的字符串,或用于初始化权重的初始化器。参考initializers

Keras模型保存

我们不推荐使用pickle或cPickle来保存Keras模型。

你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含:

模型的结构,以便重构该模型

模型的权重

训练配置(损失函数,优化器等)

优化器的状态,以便于从上次训练中断的地方开始

例子:

如果你只是希望保存模型的结构,而不包含其权重或配置信息,可以使用:

这项操作将把模型序列化为json或yaml文件,这些文件对人而言也是友好的,如果需要的话你甚至可以手动打开这些文件并进行编辑。

当然,你也可以从保存好的json文件或yaml文件中载入模型:

如果需要保存模型的权重,可通过下面的代码利用HDF5进行保存。注意,在使用前需要确保你已安装了HDF5和其Python库h5py

如果你需要加载权重到不同的网络结构(有些层一样)中,例如fine-tune或transfer-learning,你可以通过层名字来加载模型:

例如:

可视化

使用方式

该函数将画出模型结构图,并保存成图片:

具体可参考:可视化visualization(https://keras-cn.readthedocs.io/en/latest/other/visualization/)

解决办法

首先,安装pip安装pygot和graphviz之后,运行上面的可视化代码仍然报错

查询说是Windows下面只能采用安装包的方式进行安装,不能pip安装.....

最终,费了很大的周折之后,终于找到解决办法:

首先,安装graphviz(官方下载网址:https://graphviz.gitlab.io/_pages/Download/Download_windows.html),然后在环境变量里面配置其路径(好像也没有什么用)

然后在代码里面设置如下:

OK,终于成功了。期间还涉及到说按照graphviz->grapphviz软件本身->pydot的顺序按照软件什么的,但是问题并没有解决,还是得在程序中引入地址。

参考文献

Keras中文文档:https://keras-cn.readthedocs.io/en/latest/for_beginners/concepts/

作者介绍:邵洲,在读博士。研究兴趣:数据挖掘、学者迁徙研究。

分享干货

1 → 《自动驾驶研究报告》

2 → 《机器人研究报告》

3 → 《区块链研究报告》

4 → 《行为经济学研究报告》

5 → 《机器翻译研究报告》

6 → 《通信与人工智能研究报告》

7 → 《自动驾驶研究报告》前沿版

8 → 《自然语言处理研究报告》

9 → 《计算机图形学研究报告》

10 → 《超级计算机研究报告》

11 → 《3D打印研究报告》

12 → 《智能机器人研究报告》前沿版

13 → 《人脸识别研究报告》

14 → 《人工智能芯片研究报告》

微信公众号菜单栏为大家设置了“论文推荐”专栏,欢迎大家分享。

学术头条

发掘科技创新的原动力

您的分享就是我们最大的动力

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181219B1HTVB00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券