Keras神经网络API学习笔记:模型属性和方法
需积分: 0 171 浏览量
更新于2024-08-05
收藏 471KB PDF 举报
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。
2022-04-02 上传
2019-08-11 上传
2020-12-21 上传
2021-03-04 上传
2021-02-18 上传
2021-02-26 上传
2021-05-15 上传
2024-05-28 上传
2021-01-06 上传
地图帝
- 粉丝: 25
- 资源: 297
最新资源
- 开源通讯录备份系统项目,易于复刻与扩展
- 探索NX二次开发:UF_DRF_ask_id_symbol_geometry函数详解
- Vuex使用教程:详细资料包解析与实践
- 汉印A300蓝牙打印机安卓App开发教程与资源
- kkFileView 4.4.0-beta版:Windows下的解压缩文件预览器
- ChatGPT对战Bard:一场AI的深度测评与比较
- 稳定版MySQL连接Java的驱动包MySQL Connector/J 5.1.38发布
- Zabbix监控系统离线安装包下载指南
- JavaScript Promise代码解析与应用
- 基于JAVA和SQL的离散数学题库管理系统开发与应用
- 竞赛项目申报系统:SpringBoot与Vue.js结合毕业设计
- JAVA+SQL打造离散数学题库管理系统:源代码与文档全览
- C#代码实现装箱与转换的详细解析
- 利用ChatGPT深入了解行业的快速方法论
- C语言链表操作实战解析与代码示例
- 大学生选修选课系统设计与实现:源码及数据库架构