深度学习-keras实现cnn网络

本文：

a. 了解使用keras

b. 使用keras构建cnn网络

为什么要使用Keras？

Keras是为了让深度学习工程师能够非常快速地构建和试验不同的模型。

正如TensorFlow是比Python更上层的框架，Keras是一个比TensorFlow还高一层的框架。

通过keras可以很快的实现你的想法。

但是，更高层的框架更具限制性，因此有一些非常复杂的模型可以在TensorFlow中实现，但不能在Keras中实现。

首先加载依赖：

本网络解决图像分享类问题，判断表情是否是微笑(0不微笑，1微笑)

加载数据：

构建模型：

使用keras构建模型十分方便

一般步骤：

填充输入样本 ZeroPadding2D(填充大小)(占位符张量)

卷积Conv2D

批量规范化BatchNormalization

激活Activation

池化Maxpoling2D

输入扁平化Flatten

全连接一个普通隐藏层Dense

模型实现：

现在已经构建了一个描述模型的函数。为了训练和测试这个模型，Keras有四个步骤：

通过调用上面的函数创建模型

通过调用编译模型

通过调用在训练集上训练模型。

通过调用 在测试集上测试模型

可以看到使用keras框架构建一个卷积神经网络就是怎么简单