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