Ich hatte die Möglichkeit, Keras zu schreiben, also übersetzte ich so etwas wie Keras 'einfaches Tutorial ins Japanische. Getting started: 30 seconds to Keras Keras definiert die Datenstruktur im Modell. Am häufigsten wird Sequential verwendet. Wenn Sie eine Ebene mit einer komplexeren Architektur definieren möchten, verwenden Sie die Keras-Funktions-API. Es ist notwendig zu bestätigen. Verwenden Sie das sequentielle Modell wie folgt.
from keras.model import Sequential
model = Sequential()
Verwenden Sie .add (), um Ebenen zu stapeln.
from keras.layers.core import Dense, Activation
model.add(Dense(output_dim=64, input_dim=100))
model.add(Activation("relu"))
model.add(Dense(output_dim=10))
model.add(Activation("softmax"))
Verwenden Sie nach dem Erstellen des Modells .compile (), um den Modellschulungsprozess einzurichten.
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
Wenn Sie den Optimierer genauer beschreiben müssen, können Sie dies tun. Keras ist davon überzeugt, dass Probleme vernünftig und einfach gelöst werden können. Andererseits ist eine Benutzeranpassung in jedem Teil möglich.
from keras.optimizers import SGD
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))
Nachdem der Berechnungspfad bis zu diesem Punkt bestimmt wurde, können die Trainingsdaten gedreht werden.
model.fit(X_train, Y_train, nb_epoch=5, batch_size=32)
Sie können auch das Modell füttern, mit dem Sie den Stapel manuell erstellt haben.
model.train_on_batch(X_batch, Y_batch)
Sie können das erstellte Modell in einer Zeile auswerten.
loss_and_metrics = model.evaluate(X_test, Y_test, batch_size=32)
Gehen Sie wie folgt vor, um eine Vorhersage für neue Daten zu treffen.
classes = model.predict_classes(X_test, batch_size=32)
proba = model.predict_proba(X_test, batch_size=32)
Ein einfaches tiefes Lernen in eine Richtung kann so leicht beschrieben werden. Die Idee des Deep Learning ist so einfach, warum sollte es schmerzhaft sein, sie umzusetzen (nein, das ist nicht der Fall).
Für ein detaillierteres Tutorial
Sie können mit überprüfen. Modelle wie LSTM werden auf der Beispielseite von Github platziert.
Erste Schritte mit dem Keras Sequential-Modell wurde ebenfalls ins Japanische übersetzt.
Recommended Posts