J'ai eu la chance d'écrire Keras, alors j'ai traduit quelque chose comme le simple tutoriel de Keras en japonais. Getting started: 30 seconds to Keras Keras définit la structure de données dans le modèle. Le plus couramment utilisé est Sequential, et si vous souhaitez définir une couche avec une architecture plus complexe, utilisez l 'API de la fonction Keras. Il est nécessaire de confirmer. Utilisez le modèle séquentiel comme suit.
from keras.model import Sequential
model = Sequential()
Utilisez .add () pour empiler les couches.
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"))
Après avoir créé le modèle, utilisez .compile () pour configurer le processus de formation du modèle.
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
Si vous avez besoin de décrire l'optimiseur plus en détail, vous pouvez. Keras croit qu'il faut traiter les problèmes de manière raisonnable et simple, mais d'un autre côté, la personnalisation de l'utilisateur est possible dans n'importe quelle partie.
from keras.optimizers import SGD
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))
Après avoir déterminé le chemin de calcul jusqu'à ce point, les données d'entraînement peuvent être tournées.
model.fit(X_train, Y_train, nb_epoch=5, batch_size=32)
Vous pouvez également alimenter le modèle que vous avez créé manuellement le lot.
model.train_on_batch(X_batch, Y_batch)
Vous pouvez évaluer le modèle créé en une seule ligne.
loss_and_metrics = model.evaluate(X_test, Y_test, batch_size=32)
Pour effectuer une prédiction de nouvelles données, procédez comme suit.
classes = model.predict_classes(X_test, batch_size=32)
proba = model.predict_proba(X_test, batch_size=32)
Un apprentissage profond à sens unique simple peut être facilement décrit comme ceci. L'idée du Deep Learning est si simple, pourquoi devrait-il être pénible à mettre en œuvre (non, ce n'est pas le cas).
Pour un tutoriel plus détaillé
Vous pouvez vérifier avec. Des modèles tels que LSTM sont sur la page d'exemple de github.
Premiers pas avec le modèle séquentiel Keras a également été traduit en japonais.
Recommended Posts