Keras神经网络API学习笔记：模型属性和方法

Keras学习笔记1 Keras是一个高层神经网络API，由纯Python编写而成并基于Theano/Tensorflow/CNTK后端。Keras为支持快速实验而生，能够把你的idea迅速转换为结果。Keras后端为模型级的库，提供了快速构建深度学习网络的模块。Keras并不处理如张量乘法、卷积等底层操作，这些操作依赖于某种特定的、优化良好的张量操作库。Keras依赖于处理张量的库就称为“后端引擎”。Keras提供了三种后端引擎Theano/Tensorflow/CNTK，并将其函数统一封装，使得用户可以以同一个接口调用不同后端引擎的函数。 序贯模型Sequential是由多个网络层线性堆叠，是函数式模型Model的一种特殊情况。两类模型有一些方法： 1. 序贯模型常用属性： * model.layers是添加到模型上的层的list 2. 函数式模型常用属性： * model.layers：组成模型图的各个层 * model.input(s)：模型的输入张量列表 * model.output(s)：模型的输出张量列表 3. 两种模型常用方法： * add(self,layer)：添加层到模型中 模型API中有一些重要的方法： * model.summary()：打印模型情况 * model.get_config()：返回包含模型信息的Python字典 * model.get_layer()：依据层名或下标获取层对象 * weights=model.get_weights()：返回模型权重的列表 * model=model.set_weights(weights) * json_string=model.to_json()：返回模型的Json字符 * model=model_from_json(json_string) * yaml_string=model.to_yaml()：返回模型的yaml字符 * model=model_from_yaml(yaml_string) * model.save_weights(filepath)：将模型权重保存到指定路径，文件类型是HDF5（后缀是.h5） * model.load_weights(filepath) Keras是一个功能强大且灵活的神经网络API，提供了多种模型和方法，以满足不同的需求和应用场景。