如何评价深度学习框架keras框架
点击联系发帖人
时间：2017-09-24 04:45
人工智能（5）
&div id=&article_details& class=&details&&
& & &div class=&article_title&& &&
& & & & &&span class=&ico ico_type_Original&&&/span&
& & & & &span class=&link_title&&&a href=&/u/article/details/&&
& & & & DeepLearning tutorial（6）易用的深度学习框架Keras简介 & & & &
& & & & & &
& & & & &/a&
& & & & &/span&
& & & & &div class=&article_manage clearfix&&
& & & & &div class=&article_l&&
& & & & & & &span class=&link_categories&&
& & & & & & 标签：
& & & & & & & &a href=&http://www.csdn.net/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%a1%86%e6%9e%b6& target=&_blank& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&深度学习框架&/a&&a href=&http://www.csdn.net/tag/keras& target=&_blank&
onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&keras&/a&&a href=&http://www.csdn.net/tag/theano& target=&_blank& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&theano&/a&&a href=&http://www.csdn.net/tag/cnn&
target=&_blank& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&cnn&/a&
& & & & & & &/span&
& & & & &/div&
& & & & &div class=&article_r&&
& & & & & & &span class=&link_postdate&& 17:03&/span&
& & & & & & &span class=&link_view& title=&阅读次数&&42197人阅读&/span&
& & & & & & &span class=&link_comments& title=&评论次数&& &a href=&#comments& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_pinglun'])&&评论&/a&(76)&/span&
& & & & & & &span class=&link_collect tracking-ad& data-mod=&popu_171&& &a href=&javascript:void(0);& onclick=&javascript:collectArticle('DeepLearning+tutorial%ef%bc%886%ef%bc%89%e6%98%93%e7%94%a8%e7%9a%84%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%a1%86%e6%9e%b6Keras%e7%ae%80%e4%bb%8b','');return
& title=&收藏& target=&_blank&&收藏&/a&&/span&
& & & & & & &&span class=&link_report&& &a href=&#report& onclick=&javascript:report();& title=&举报&&举报&/a&&/span&
& & & & &/div&
& & &/div& & &&style type=&text/css&& & & & &
& & & & & & .embody{
& & & & & & & & padding:10px 10px 10
& & & & & & & & margin:0 -20
& & & & & & & & border-bottom:solid 1px # & & & & & & & &
& & & & & & }
& & & & & & .embody_b{
& & & & & & & & margin:0 ;
& & & & & & & & padding:10px 0;
& & & & & & }
& & & & & & .embody .embody_t,.embody .embody_c{
& & & & & & & & display: inline-
& & & & & & & & margin-right:10
& & & & & & }
& & & & & & .embody_t{
& & & & & & & & font-size: 12
& & & & & & & & color:#999;
& & & & & & }
& & & & & & .embody_c{
& & & & & & & & font-size: 12
& & & & & & }
& & & & & & .embody_c img,.embody_c em{
& & & & & & & & display: inline-
& & & & & & & & vertical-align: & & & & & & &&
& & & & & & }
& & & & & & &.embody_c img{ & & & & & & &&
& & & & & & & & width:30
& & & & & & & & height:30
& & & & & & }
& & & & & & .embody_c em{
& & & & & & & & margin: 0 20px 0 10
& & & & & & & & color:#333;
& & & & & & & & font-style:
& & & & & & }
& & &/style&
& & &script type=&text/javascript&&
& & & & $(function () {
& & & & & & try
& & & & & & {
& & & & & & & & var lib = eval(&(&+$(&#lib&).attr(&value&)+&)&);
& & & & & & & & var html = &&;
& & & & & & & & if (lib.err == 0) {
& & & & & & & & & & $.each(lib.data, function (i) {
& & & & & & & & & & & & var obj = lib.data[i];
& & & & & & & & & & & & //html += '&img src=&' + obj.logo + '&/&' + obj.name + &&&&;
& & & & & & & & & & & & html += ' &a href=&' + obj.url + '& target=&_blank&&';
& & & & & & & & & & & & html += ' &img src=&' + obj.logo + '&&';
& & & & & & & & & & & & html += ' &em&&b&' + obj.name + '&/b&&/em&';
& & & & & & & & & & & & html += ' &/a&';
& & & & & & & & & & });
& & & & & & & & & & if (html != &&) {
& & & & & & & & & & & & setTimeout(function () {
& & & & & & & & & & & & & & $(&#lib&).html(html); & & & & & & & & & & &
& & & & & & & & & & & & & & $(&#embody&).show();
& & & & & & & & & & & & }, 100);
& & & & & & & & & & }
& & & & & & & & } & & &
& & & & & & } catch (err)
& & & & & & { }
& & & & & &&
& & & & });
& & &/script&
& & & &div class=&category clearfix&&
& & & & &div class=&category_l&&
& & & & & &&img src=&http://static.blog.csdn.net/images/category_icon.jpg&&
& & & & & & &span&分类：&/span&
& & & & &/div&
& & & & &div class=&category_r&&
& & & & & & & & & & &label onclick=&GetCategoryArticles('2760005','u','top','');&&
& & & & & & & & & & & & &span onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_fenlei']);&&Machine Learning&em&（30）&/em&&/span&
& & & & & & & & & & & &img class=&arrow-down& src=&http://static.blog.csdn.net/images/arrow_triangle _down.jpg& style=&display:&&
& & & & & & & & & & & &img class=&arrow-up& src=&http://static.blog.csdn.net/images/arrow_triangle_up.jpg& style=&display:&&
& & & & & & & & & & & & &div class=&subItem&&
& & & & & & & & & & & & & & &div class=&subItem_t&&&a href=&http://blog.csdn.net/u/article/category/2760005& target=&_blank&&作者同类文章&/a&&i class=&J_close&&X&/i&&/div&
& & & & & & & & & & & & & & &ul class=&subItem_l& id=&top_2760005&& & & & & & & & & & & & & & &
& & & & & & & & & & & & & & &/ul&
& & & & & & & & & & & & &/div&
& & & & & & & & & & &/label& & & & & & & & & & &
& & & & &/div&
& & &/div&
& & & & &div class=&bog_copyright&& & & & &&
& & & & & & &p class=©right_p&&版权声明：本文为博主原创文章，未经博主允许不得转载。&/p&
& & & & &/div&
&div style=&clear:both&&&/div&&div style=&border:solid 1px # background:# float: min-width:200padding:4px 10&&&p style=&text-align:margin:0;&&&span style=&float:&&目录&a href=&#& title=&系统根据文章中H1到H6标签自动生成文章目录&&(?)&/a&&/span&&a href=&#&
onclick=&javascript:return openct(this);& title=&展开&&[+]&/a&&/p&&ol style=&display:margin-left:14padding-left:14line-height:160%;&&&li&&a href=&#t0&&Keras简介&/a&&/li&&li&&a href=&#t1&&Keras里的模块介绍&/a&&/li&&li&&a href=&#t2&&一个实例用CNN分类Mnist&/a&&/li&&/ol&&/div&&div
style=&clear:both&&&/div&&div id=&article_content& class=&article_content tracking-ad& data-mod=&popu_307& data-dsm=&post&&
& & & & &div class=&markdown_views&&&blockquote&
& &p&致读者：本文写于keras开发初期，目前keras已经迭代到1.0版本，很多API都发生了较大的变化，所以本文的粘贴的一些代码可能已经过时，在我的github上有更新后的代码，读者需要的话可以看github上的代码：&a href=&/wepe/MachineLearning& target=&_blank&&/wepe/MachineLearning&/a&&/p&
&/blockquote&
&p&之前我一直在使用Theano，前面五篇Deeplearning相关的文章也是学习Theano的一些笔记，当时已经觉得Theano用起来略显麻烦，有时想实现一个新的结构，就要花很多时间去编程，所以想过将代码模块化，方便重复使用，但因为实在太忙没有时间去做。最近发现了一个叫做Keras的框架，跟我的想法不谋而合，用起来特别简单，适合快速开发。&/p&
&h2 id=&1-keras简介&&&a name=&t0& target=&_blank&&&/a&1. Keras简介&/h2&
&p&Keras是基于Theano的一个深度学习框架，它的设计参考了Torch，用Python语言编写，是一个高度模块化的神经网络库，支持GPU和CPU。使用文档在这：&a href=&http://keras.io/& target=&_blank&&http://keras.io/&/a&，这个框架貌似是刚刚火起来的，使用上的问题可以到github提issue:&a href=&/fchollet/keras& target=&_blank&&/fchollet/keras&/a& &/p&
&p&下面简单介绍一下怎么使用Keras，以Mnist数据库为例,编写一个CNN网络结构，你将会发现特别简单。&/p&
&h2 id=&2-keras里的模块介绍&&&a name=&t1& target=&_blank&&&/a&2. Keras里的模块介绍&/h2&
&li&&p&&strong&Optimizers&/strong&&/p&
&p&顾名思义，Optimizers包含了一些优化的方法，比如最基本的随机梯度下降SGD,另外还有Adagrad、Adadelta、RMSprop、Adam，一些新的方法以后也会被不断添加进来。&/p&
&pre class=&prettyprint& name=&code&&&code class=&hljs avrasm has-numbering&&keras&span class=&hljs-preprocessor&&.optimizers&/span&&span class=&hljs-preprocessor&&.SGD&/span&(lr=&span class=&hljs-number&&0.01&/span&, momentum=&span class=&hljs-number&&0.9&/span&,
decay=&span class=&hljs-number&&0.9&/span&, nesterov=False)&/code&&ul class=&pre-numbering&&&li&1&/li&&/ul&&div class=&save_code tracking-ad& data-mod=&popu_249&&&a href=&javascript:;& target=&_blank&&&img src=&http://static.blog.csdn.net/images/save_snippets.png&&&/a&&/div&&/pre&
&p&上面的代码是SGD的使用方法，lr表示学习速率,momentum表示动量项，decay是学习速率的衰减系数(每个epoch衰减一次),Nesterov的值是False或者True，表示使不使用Nesterov momentum。其他的请参考文档。&/p&&/li&
&li&&p&&strong&Objectives&/strong&&/p&
&p&这是目标函数模块，keras提供了mean_squared_error，mean_absolute_error &&br&
，squared_hinge，hinge，binary_crossentropy，categorical_crossentropy这几种目标函数。&/p&
&p&这里binary_crossentropy 和 categorical_crossentropy也就是常说的logloss.&/p&&/li&
&li&&p&&strong&Activations&/strong&&/p&
&p&这是激活函数模块，keras提供了linear、sigmoid、hard_sigmoid、tanh、softplus、relu、softplus，另外softmax也放在Activations模块里(我觉得放在layers模块里更合理些）。此外，像LeakyReLU和PReLU这种比较新的激活函数，keras在keras.layers.advanced_activations模块里提供。&/p&&/li&
&li&&p&&strong&Initializations&/strong&&/p&
&p&这是参数初始化模块，在添加layer的时候调用init进行初始化。keras提供了uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal这几种。 & &/p&&/li&
&li&&p&&strong&layers&/strong&&/p&
&p&layers模块包含了core、convolutional、recurrent、advanced_activations、normalization、embeddings这几种layer。&/p&
&p&其中core里面包含了flatten(CNN的全连接层之前需要把二维特征图flatten成为一维的)、reshape（CNN输入时将一维的向量弄成二维的）、dense(就是隐藏层，dense是稠密的意思),还有其他的就不介绍了。convolutional层基本就是Theano的Convolution2D的封装。&/p&&/li&
&li&&p&&strong&Preprocessing&/strong&&/p&
&p&这是预处理模块，包括序列数据的处理，文本数据的处理，图像数据的处理。重点看一下图像数据的处理，keras提供了ImageDataGenerator函数,实现data augmentation，数据集扩增，对图像做一些弹性变换，比如水平翻转，垂直翻转，旋转等。&/p&&/li&
&li&&p&&strong&Models&/strong&&/p&
&p&这是最主要的模块，模型。上面定义了各种基本组件，model是将它们组合起来，下面通过一个实例来说明。&/p&&/li&
&h2 id=&3一个实例用cnn分类mnist&&&a name=&t2& target=&_blank&&&/a&3.一个实例：用CNN分类Mnist&/h2&
&li&&p&&strong&数据下载&/strong&&/p&
&p&Mnist数据在其官网上有提供，但是不是图像格式的，因为我们通常都是直接处理图像，为了以后程序能复用，我把它弄成图像格式的，这里可以下载：&a href=&/s/1qCdS6& target=&_blank&&/s/1qCdS6&/a&，共有42000张图片。&/p&&/li&
&li&&p&&strong&读取图片数据&/strong&&/p&
&p&keras要求输入的数据格式是numpy.array类型（numpy是一个python的数值计算的库），所以需要写一个脚本来读入mnist图像，保存为一个四维的data，还有一个一维的label，代码：&/p&&/li&
&pre class=&prettyprint& name=&code&&&code class=&hljs python has-numbering&&&span class=&hljs-comment&&#coding:utf-8&/span&
&span class=&hljs-string&&&&&
Author:wepon
Source:/wepe
file:data.py
&&&&/span&
&span class=&hljs-keyword&&import&/span& os
&span class=&hljs-keyword&&from&/span& PIL &span class=&hljs-keyword&&import&/span& Image
&span class=&hljs-keyword&&import&/span& numpy &span class=&hljs-keyword&&as&/span& np
&span class=&hljs-comment&&#读取文件夹mnist下的42000张图片，图片为灰度图，所以为1通道，&/span&
&span class=&hljs-comment&&#如果是将彩色图作为输入,则将1替换为3，并且data[i,:,:,:] = arr改为data[i,:,:,:] = [arr[:,:,0],arr[:,:,1],arr[:,:,2]]&/span&
&span class=&hljs-function&&&span class=&hljs-keyword&&def&/span& &span class=&hljs-title&&load_data&/span&&span class=&hljs-params&&()&/span&:&/span&
& & data = np.empty((&span class=&hljs-number&&42000&/span&,&span class=&hljs-number&&1&/span&,&span class=&hljs-number&&28&/span&,&span class=&hljs-number&&28&/span&),dtype=&span class=&hljs-string&&&float32&&/span&)
& & label = np.empty((&span class=&hljs-number&&42000&/span&,),dtype=&span class=&hljs-string&&&uint8&&/span&)
& & imgs = os.listdir(&span class=&hljs-string&&&./mnist&&/span&)
& & num = len(imgs)
& & &span class=&hljs-keyword&&for&/span& i &span class=&hljs-keyword&&in&/span& range(num):
& & & & img = Image.open(&span class=&hljs-string&&&./mnist/&&/span&+imgs[i])
& & & & arr = np.asarray(img,dtype=&span class=&hljs-string&&&float32&&/span&)
& & & & data[i,:,:,:] = arr
& & & & label[i] = int(imgs[i].split(&span class=&hljs-string&&'.'&/span&)[&span class=&hljs-number&&0&/span&])
& & &span class=&hljs-keyword&&return&/span& data,label&/code&&ul class=&pre-numbering&&&li&1&/li&&li&2&/li&&li&3&/li&&li&4&/li&&li&5&/li&&li&6&/li&&li&7&/li&&li&8&/li&&li&9&/li&&li&10&/li&&li&11&/li&&li&12&/li&&li&13&/li&&li&14&/li&&li&15&/li&&li&16&/li&&li&17&/li&&li&18&/li&&li&19&/li&&li&20&/li&&li&21&/li&&li&22&/li&&li&23&/li&&li&24&/li&&li&25&/li&&/ul&&div
class=&save_code tracking-ad& data-mod=&popu_249&&&a href=&javascript:;& target=&_blank&&&img src=&http://static.blog.csdn.net/images/save_snippets.png&&&/a&&/div&&/pre&
&li&&p&构建CNN，训练&/p&
&p&短短二十多行代码，构建一个三个卷积层的CNN，直接读下面的代码吧，有注释，很容易读懂：&/p&&/li&
&pre class=&prettyprint& name=&code&&&code class=&hljs vala has-numbering&&&span class=&hljs-preprocessor&&#导入各种用到的模块组件&/span&
from __future__ import absolute_import
from __future__ import print_function
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.advanced_activations import PReLU
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.optimizers import SGD, Adadelta, Adagrad
from keras.utils import np_utils, generic_utils
from six.moves import range
from data import load_data
&span class=&hljs-preprocessor&&#加载数据&/span&
data, label = load_data()
print(data.shape[&span class=&hljs-number&&0&/span&], &span class=&hljs-string&&' samples'&/span&)
&span class=&hljs-preprocessor&&#label为0~9共10个类别，keras要求格式为binary class matrices,转化一下，直接调用keras提供的这个函数&/span&
label = np_utils.to_categorical(label, &span class=&hljs-number&&10&/span&)
&span class=&hljs-preprocessor&&###############&/span&
&span class=&hljs-preprocessor&&#开始建立CNN模型&/span&
&span class=&hljs-preprocessor&&###############&/span&
&span class=&hljs-preprocessor&&#生成一个model&/span&
model = Sequential()
&span class=&hljs-preprocessor&&#第一个卷积层，4个卷积核，每个卷积核大小5*5。1表示输入的图片的通道,灰度图为1通道。&/span&
&span class=&hljs-preprocessor&&#border_mode可以是valid或者full，具体看这里说明：http://deeplearning.net/software/theano/library/tensor/nnet/conv.html#theano.tensor.nnet.conv.conv2d&/span&
&span class=&hljs-preprocessor&&#激活函数用tanh&/span&
&span class=&hljs-preprocessor&&#你还可以在model.add(Activation('tanh'))后加上dropout的技巧: model.add(Dropout(0.5))&/span&
model.add(Convolution2D(&span class=&hljs-number&&4&/span&, &span class=&hljs-number&&1&/span&, &span class=&hljs-number&&5&/span&, &span class=&hljs-number&&5&/span&, border_mode=&span class=&hljs-string&&'valid'&/span&))&
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
&span class=&hljs-preprocessor&&#第二个卷积层，8个卷积核，每个卷积核大小3*3。4表示输入的特征图个数，等于上一层的卷积核个数&/span&
&span class=&hljs-preprocessor&&#激活函数用tanh&/span&
&span class=&hljs-preprocessor&&#采用maxpooling，poolsize为(2,2)&/span&
model.add(Convolution2D(&span class=&hljs-number&&8&/span&,&span class=&hljs-number&&4&/span&, &span class=&hljs-number&&3&/span&, &span class=&hljs-number&&3&/span&, border_mode=&span class=&hljs-string&&'valid'&/span&))
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
model.add(MaxPooling2D(poolsize=(&span class=&hljs-number&&2&/span&, &span class=&hljs-number&&2&/span&)))
&span class=&hljs-preprocessor&&#第三个卷积层，16个卷积核，每个卷积核大小3*3&/span&
&span class=&hljs-preprocessor&&#激活函数用tanh&/span&
&span class=&hljs-preprocessor&&#采用maxpooling，poolsize为(2,2)&/span&
model.add(Convolution2D(&span class=&hljs-number&&16&/span&, &span class=&hljs-number&&8&/span&, &span class=&hljs-number&&3&/span&, &span class=&hljs-number&&3&/span&, border_mode=&span class=&hljs-string&&'valid'&/span&))&
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
model.add(MaxPooling2D(poolsize=(&span class=&hljs-number&&2&/span&, &span class=&hljs-number&&2&/span&)))
&span class=&hljs-preprocessor&&#全连接层，先将前一层输出的二维特征图flatten为一维的。&/span&
&span class=&hljs-preprocessor&&#Dense就是隐藏层。16就是上一层输出的特征图个数。4是根据每个卷积层计算出来的：(28-5+1)得到24,(24-3+1)/2得到11，(11-3+1)/2得到4&/span&
&span class=&hljs-preprocessor&&#全连接有128个神经元节点,初始化方式为normal&/span&
model.add(Flatten())
model.add(Dense(&span class=&hljs-number&&16&/span&*&span class=&hljs-number&&4&/span&*&span class=&hljs-number&&4&/span&, &span class=&hljs-number&&128&/span&, init=&span class=&hljs-string&&'normal'&/span&))
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
&span class=&hljs-preprocessor&&#Softmax分类，输出是10类别&/span&
model.add(Dense(&span class=&hljs-number&&128&/span&, &span class=&hljs-number&&10&/span&, init=&span class=&hljs-string&&'normal'&/span&))
model.add(Activation(&span class=&hljs-string&&'softmax'&/span&))
&span class=&hljs-preprocessor&&#############&/span&
&span class=&hljs-preprocessor&&#开始训练模型&/span&
&span class=&hljs-preprocessor&&##############&/span&
&span class=&hljs-preprocessor&&#使用SGD + momentum&/span&
&span class=&hljs-preprocessor&&#pile里的参数loss就是损失函数(目标函数)&/span&
sgd = SGD(l2=&span class=&hljs-number&&0.0&/span&,lr=&span class=&hljs-number&&0.05&/span&, decay=&span class=&hljs-number&&1e-6&/span&, momentum=&span class=&hljs-number&&0.9&/span&, nesterov=True)
pile(loss=&span class=&hljs-string&&'categorical_crossentropy'&/span&, optimizer=sgd,class_mode=&span class=&hljs-string&&&categorical&&/span&)
&span class=&hljs-preprocessor&&#调用fit方法，就是一个训练过程. 训练的epoch数设为10，batch_size为100．&/span&
&span class=&hljs-preprocessor&&#数据经过随机打乱shuffle=True。verbose=1，训练过程中输出的信息，0、1、2三种方式都可以，无关紧要。show_accuracy=True，训练时每一个epoch都输出accuracy。&/span&
&span class=&hljs-preprocessor&&#validation_split=0.2，将20%的数据作为验证集。&/span&
model.fit(data, label, batch_size=&span class=&hljs-number&&100&/span&,nb_epoch=&span class=&hljs-number&&10&/span&,shuffle=True,verbose=&span class=&hljs-number&&1&/span&,show_accuracy=True,validation_split=&span class=&hljs-number&&0.2&/span&)&/code&&ul class=&pre-numbering&&&li&1&/li&&li&2&/li&&li&3&/li&&li&4&/li&&li&5&/li&&li&6&/li&&li&7&/li&&li&8&/li&&li&9&/li&&li&10&/li&&li&11&/li&&li&12&/li&&li&13&/li&&li&14&/li&&li&15&/li&&li&16&/li&&li&17&/li&&li&18&/li&&li&19&/li&&li&20&/li&&li&21&/li&&li&22&/li&&li&23&/li&&li&24&/li&&li&25&/li&&li&26&/li&&li&27&/li&&li&28&/li&&li&29&/li&&li&30&/li&&li&31&/li&&li&32&/li&&li&33&/li&&li&34&/li&&li&35&/li&&li&36&/li&&li&37&/li&&li&38&/li&&li&39&/li&&li&40&/li&&li&41&/li&&li&42&/li&&li&43&/li&&li&44&/li&&li&45&/li&&li&46&/li&&li&47&/li&&li&48&/li&&li&49&/li&&li&50&/li&&li&51&/li&&li&52&/li&&li&53&/li&&li&54&/li&&li&55&/li&&li&56&/li&&li&57&/li&&li&58&/li&&li&59&/li&&li&60&/li&&li&61&/li&&li&62&/li&&li&63&/li&&li&64&/li&&li&65&/li&&li&66&/li&&li&67&/li&&li&68&/li&&li&69&/li&&li&70&/li&&li&71&/li&&/ul&&div
class=&save_code tracking-ad& data-mod=&popu_249&&&a href=&javascript:;& target=&_blank&&&img src=&http://static.blog.csdn.net/images/save_snippets.png&&&/a&&/div&&/pre&
&li&&strong&代码使用与结果&/strong&&/li&
&p&代码放在我github的机器学习仓库里：&a href=&/wepe/MachineLearning& target=&_blank&&/wepe/MachineLearning&/a&,非github用户直接点右下的DownloadZip。&/p&
&p&在/DeepLearning Tutorials/keras_usage目录下包括&code&data.py&/code&,&code&cnn.py&/code&两份代码，下载Mnist数据后解压到该目录下，运行&code&cnn.py&/code&这份文件即可。&/p&
&p&结果如下所示，在Epoch 9达到了0.98的训练集识别率和0.97的验证集识别率：&/p&
&p&&img src=&http://img.blog.csdn.net/44640& alt=&这里写图片描述& title=&&&&/p&
&p&转载请注明出处：&a href=&http://blog.csdn.net/u/article/details/& target=&_blank&&http://blog.csdn.net/u/article/details/&/a&&/p&&/div&
& & & & &script type=&text/javascript&&
& & & & & & $(function () {
& & & & & & & & $('pre.prettyprint code').each(function () {
& & & & & & & & & & var lines = $(this).text().split('\n').
& & & & & & & & & & var $numbering = $('&ul/&').addClass('pre-numbering').hide();
& & & & & & & & & & $(this).addClass('has-numbering').parent().append($numbering);
& & & & & & & & & & for (i = 1; i &= i++) {
& & & & & & & & & & & & $numbering.append($('&li/&').text(i));
& & & & & & & & & & };
& & & & & & & & & & $numbering.fadeIn(1700);
& & & & & & & & });
& & & & & & });
& & & & &/script&
&!-- Baidu Button BEGIN --&
&div class=&bdsharebuttonbox tracking-ad bdshare-button-style0-16& style=&float:& data-mod=&popu_172& data-bd-bind=&0&&
&a href=&#& class=&bds_more& data-cmd=&more& style=&background-position:0 0 ! background-image: url(http://bdimg./static/api/img/share/icons_0_16.png?v=d754dcc0.png) !important& target=&_blank&&&/a&
&a href=&#& class=&bds_qzone& data-cmd=&qzone& title=&分享到QQ空间& style=&background-position:0 -52px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_tsina& data-cmd=&tsina& title=&分享到新浪微博& style=&background-position:0 -104px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_tqq& data-cmd=&tqq& title=&分享到腾讯微博& style=&background-position:0 -260px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_renren& data-cmd=&renren& title=&分享到人人网& style=&background-position:0 -208px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_weixin& data-cmd=&weixin& title=&分享到微信& style=&background-position:0 -1612px !important& target=&_blank&&&/a&
&script&window._bd_share_config = { &common&: { &bdSnsKey&: {}, &bdText&: &&, &bdMini&: &1&, &bdMiniList&: false, &bdPic&: &&, &bdStyle&: &0&, &bdSize&: &16& }, &share&: {} }; with (document) 0[(getElementsByTagName('head')[0] || body).appendChild(createElement('script')).src
= 'http://bdimg./static/api/js/share.js?v=.js?cdnversion=' + ~(-new Date() / 36e5)];&/script&
&!-- Baidu Button END --&
&!--172.16.140.13--&
&!-- Baidu Button BEGIN --&
&script type=&text/javascript& id=&bdshare_js& data=&type=tools&uid=1536434& src=&http://bdimg./static/js/bds_s_v2.js?cdnversion=418380&&&/script&
&script type=&text/javascript&&
& & document.getElementById(&bdshell_js&).src = &http://bdimg./static/js/shell_v2.js?cdnversion=& + Math.ceil(new Date()/3600000)
&!-- Baidu Button END --&
& & & & &div id=&digg& articleid=&&&
& & & & & & &dl id=&btnDigg& class=&digg digg_enable& onclick=&btndigga();&&
& & & & & & & &
& & & & & & & & &&dt&顶&/dt&
& & & & & & & & &dd&14&/dd&
& & & & & & &/dl&
& & & & & &
& & & & & & &&
& & & & & & &dl id=&btnBury& class=&digg digg_enable& onclick=&btnburya();&&
& & & & & & &&
& & & & & & & & & &dt&踩&/dt&
& & & & & & & & &dd&0&/dd& & & & & & & &&
& & & & & & &/dl&
& & & & & &&
& & & & &/div&
& & &&div class=&tracking-ad& data-mod=&popu_222&&&a href=&javascript:void(0);& target=&_blank&&&&/a& & &/div&
& & &div class=&tracking-ad& data-mod=&popu_223&& &a href=&javascript:void(0);& target=&_blank&&&&/a&&/div&
& & &script type=&text/javascript&&
& & & & function btndigga() {
& & & & & & $(&.tracking-ad[data-mod='popu_222'] a&).click();
& & & & function btnburya() {
& & & & & & $(&.tracking-ad[data-mod='popu_223'] a&).click();
& & & & & & &/script&
& &&ul class=&article_next_prev&&
& & & & & & & & &li class=&prev_article&&&span onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_shangyipian']);location.href='http://blog.csdn.net/u/article/details/';&&上一篇&/span&&a href=&http://blog.csdn.net/u/article/details/&
onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_shangyipian'])&&libsvm和liblinear的使用总结&/a&&/li&
& & & & & & & & &li class=&next_article&&&span onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_xiayipian']);location.href='http://blog.csdn.net/u/article/details/';&&下一篇&/span&&a href=&http://blog.csdn.net/u/article/details/&
onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_xiayipian'])&&DeepLearning tutorial（7）深度学习框架Keras的使用-进阶&/a&&/li&
& & &div style=&clear: height:10&&&/div&
& & & & & & &div class=&similar_article&&
& & & & & & & & & & &h4&&/h4&
& & & & & & & & & & &div class=&similar_c& style=&margin:20px 0px 0px 0px&&
& & & & & & & & & & & & &div class=&similar_c_t&&
& & & & & & & & & & & & & &&相关文章推荐
& & & & & & & & & & & & &/div&
& & & & & & & & & &
& & & & & & & & & & & & &div class=&similar_wrap tracking-ad& data-mod=&popu_36& style=&max-height:250px&& & & & & & & & & & & &&
& & & & & & & & & & & & & & &ul class=&similar_list fl&& & &
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/niuwei22007/article/details/& title=&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-08-规则化(规格化)& strategy=&BlogCommendFromBaidu_0& target=&_blank&&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-08-规则化(规格化)&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/huiyiCourse/series_detail/64?utm_source=blog7& title=&携程机票大数据基础平台架构演进-- 许鹏& strategy=&undefined& target=&_blank&&携程机票大数据基础平台架构演进-- 许鹏&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/niuwei22007/article/details/& title=&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-12-核心层& strategy=&BlogCommendFromBaidu_1& target=&_blank&&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-12-核心层&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/4803?utm_source=blog7& title=&Python可以这样学--董付国& strategy=&undefined& target=&_blank&&Python可以这样学--董付国&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/eagelangel/article/details/& title=&用keras小试CNN卷积神经网络应用于人脸识别& strategy=&BlogCommendFromBaidu_2& target=&_blank&&用keras小试CNN卷积神经网络应用于人脸识别&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/5505?utm_source=blog7& title=&一步一步学Spring Boot& strategy=&undefined& target=&_blank&&一步一步学Spring Boot&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/u/article/details/& title=&DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）& strategy=&BlogCommendFromBaidu_3& target=&_blank&&DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/4637?utm_source=blog7& title=&深入浅出C++程序设计& strategy=&undefined& target=&_blank&&深入浅出C++程序设计&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & &/ul&
& & & & & & & & & & & & & & & &ul class=&similar_list fr&& & & &
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/u/article/details/& title=&DeepLearning tutorial（4）CNN卷积神经网络原理简介+代码详解& strategy=&BlogCommendFromBaidu_4& target=&_blank&&DeepLearning tutorial（4）CNN卷积神经网络原理简介+代码详解&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/4363?utm_source=blog7& title=&Android Material Design 新控件& strategy=&undefined& target=&_blank&&Android Material Design 新控件&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/lujiandong1/article/details/& title=&keras 实现CNN 进行手写字符识别& strategy=&BlogCommendFromBaidu_5& target=&_blank&&keras 实现CNN 进行手写字符识别&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/combo/detail/532?utm_source=blog7& title=&机器学习需要用到的数学知识& strategy=&undefined& target=&_blank&&机器学习需要用到的数学知识&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/zhoubl668/article/details/& title=&DeepLearning tutorial（6）易用的深度学习框架Keras简介& strategy=&BlogCommendFromBaidu_6& target=&_blank&&DeepLearning tutorial（6）易用的深度学习框架Keras简介&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/zrf/article/details/& title=&activity嵌套fragment，fragment内嵌fragment之间传值切换fragment& strategy=&BlogCommendFromBaidu_7& target=&_blank&&activity嵌套fragment，fragment内嵌fragment之间传值切换fragment&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/Eric_Wilson/article/details/& title=&Keras 深度学习框架Python Example:CNN/mnist& strategy=&BlogCommendFromBaidu_8& target=&_blank&&Keras 深度学习框架Python Example:CNN/mnist&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/u/article/details/& title=&利用Python PIL、cPickle读取和保存图像数据库& strategy=&BlogCommendFromBaidu_9& target=&_blank&&利用Python PIL、cPickle读取和保存图像数据库&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & &/ul&
& & & & & & & & & & & & &/div&
& & & & & & & & & & &/div&
& & & & & & & & &/div& &&
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：60次
排名：千里之外
(window.slotbydup = window.slotbydup || []).push({
id: '4740881',
container: s,
size: '200,200',
display: 'inlay-fix'}
&div id=&article_details& class=&details&&
& & &div class=&article_title&& &&
& & & & &&span class=&ico ico_type_Original&&&/span&
& & & & &span class=&link_title&&&a href=&/u/article/details/&&
& & & & DeepLearning tutorial（6）易用的深度学习框架Keras简介 & & & &
& & & & & &
& & & & &/a&
& & & & &/span&
& & & & &div class=&article_manage clearfix&&
& & & & &div class=&article_l&&
& & & & & & &span class=&link_categories&&
& & & & & & 标签：
& & & & & & & &a href=&http://www.csdn.net/tag/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%a1%86%e6%9e%b6& target=&_blank& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&深度学习框架&/a&&a href=&http://www.csdn.net/tag/keras& target=&_blank&
onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&keras&/a&&a href=&http://www.csdn.net/tag/theano& target=&_blank& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&theano&/a&&a href=&http://www.csdn.net/tag/cnn&
target=&_blank& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_tag']);&&cnn&/a&
& & & & & & &/span&
& & & & &/div&
& & & & &div class=&article_r&&
& & & & & & &span class=&link_postdate&& 17:03&/span&
& & & & & & &span class=&link_view& title=&阅读次数&&42197人阅读&/span&
& & & & & & &span class=&link_comments& title=&评论次数&& &a href=&#comments& onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_pinglun'])&&评论&/a&(76)&/span&
& & & & & & &span class=&link_collect tracking-ad& data-mod=&popu_171&& &a href=&javascript:void(0);& onclick=&javascript:collectArticle('DeepLearning+tutorial%ef%bc%886%ef%bc%89%e6%98%93%e7%94%a8%e7%9a%84%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%a1%86%e6%9e%b6Keras%e7%ae%80%e4%bb%8b','');return
& title=&收藏& target=&_blank&&收藏&/a&&/span&
& & & & & & &&span class=&link_report&& &a href=&#report& onclick=&javascript:report();& title=&举报&&举报&/a&&/span&
& & & & &/div&
& & &/div& & &&style type=&text/css&& & & & &
& & & & & & .embody{
& & & & & & & & padding:10px 10px 10
& & & & & & & & margin:0 -20
& & & & & & & & border-bottom:solid 1px # & & & & & & & &
& & & & & & }
& & & & & & .embody_b{
& & & & & & & & margin:0 ;
& & & & & & & & padding:10px 0;
& & & & & & }
& & & & & & .embody .embody_t,.embody .embody_c{
& & & & & & & & display: inline-
& & & & & & & & margin-right:10
& & & & & & }
& & & & & & .embody_t{
& & & & & & & & font-size: 12
& & & & & & & & color:#999;
& & & & & & }
& & & & & & .embody_c{
& & & & & & & & font-size: 12
& & & & & & }
& & & & & & .embody_c img,.embody_c em{
& & & & & & & & display: inline-
& & & & & & & & vertical-align: & & & & & & &&
& & & & & & }
& & & & & & &.embody_c img{ & & & & & & &&
& & & & & & & & width:30
& & & & & & & & height:30
& & & & & & }
& & & & & & .embody_c em{
& & & & & & & & margin: 0 20px 0 10
& & & & & & & & color:#333;
& & & & & & & & font-style:
& & & & & & }
& & &/style&
& & &script type=&text/javascript&&
& & & & $(function () {
& & & & & & try
& & & & & & {
& & & & & & & & var lib = eval(&(&+$(&#lib&).attr(&value&)+&)&);
& & & & & & & & var html = &&;
& & & & & & & & if (lib.err == 0) {
& & & & & & & & & & $.each(lib.data, function (i) {
& & & & & & & & & & & & var obj = lib.data[i];
& & & & & & & & & & & & //html += '&img src=&' + obj.logo + '&/&' + obj.name + &&&&;
& & & & & & & & & & & & html += ' &a href=&' + obj.url + '& target=&_blank&&';
& & & & & & & & & & & & html += ' &img src=&' + obj.logo + '&&';
& & & & & & & & & & & & html += ' &em&&b&' + obj.name + '&/b&&/em&';
& & & & & & & & & & & & html += ' &/a&';
& & & & & & & & & & });
& & & & & & & & & & if (html != &&) {
& & & & & & & & & & & & setTimeout(function () {
& & & & & & & & & & & & & & $(&#lib&).html(html); & & & & & & & & & & &
& & & & & & & & & & & & & & $(&#embody&).show();
& & & & & & & & & & & & }, 100);
& & & & & & & & & & }
& & & & & & & & } & & &
& & & & & & } catch (err)
& & & & & & { }
& & & & & &&
& & & & });
& & &/script&
& & & &div class=&category clearfix&&
& & & & &div class=&category_l&&
& & & & & &&img src=&http://static.blog.csdn.net/images/category_icon.jpg&&
& & & & & & &span&分类：&/span&
& & & & &/div&
& & & & &div class=&category_r&&
& & & & & & & & & & &label onclick=&GetCategoryArticles('2760005','u','top','');&&
& & & & & & & & & & & & &span onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_fenlei']);&&Machine Learning&em&（30）&/em&&/span&
& & & & & & & & & & & &img class=&arrow-down& src=&http://static.blog.csdn.net/images/arrow_triangle _down.jpg& style=&display:&&
& & & & & & & & & & & &img class=&arrow-up& src=&http://static.blog.csdn.net/images/arrow_triangle_up.jpg& style=&display:&&
& & & & & & & & & & & & &div class=&subItem&&
& & & & & & & & & & & & & & &div class=&subItem_t&&&a href=&http://blog.csdn.net/u/article/category/2760005& target=&_blank&&作者同类文章&/a&&i class=&J_close&&X&/i&&/div&
& & & & & & & & & & & & & & &ul class=&subItem_l& id=&top_2760005&& & & & & & & & & & & & & & &
& & & & & & & & & & & & & & &/ul&
& & & & & & & & & & & & &/div&
& & & & & & & & & & &/label& & & & & & & & & & &
& & & & &/div&
& & &/div&
& & & & &div class=&bog_copyright&& & & & &&
& & & & & & &p class=©right_p&&版权声明：本文为博主原创文章，未经博主允许不得转载。&/p&
& & & & &/div&
&div style=&clear:both&&&/div&&div style=&border:solid 1px # background:# float: min-width:200padding:4px 10&&&p style=&text-align:margin:0;&&&span style=&float:&&目录&a href=&#& title=&系统根据文章中H1到H6标签自动生成文章目录&&(?)&/a&&/span&&a href=&#&
onclick=&javascript:return openct(this);& title=&展开&&[+]&/a&&/p&&ol style=&display:margin-left:14padding-left:14line-height:160%;&&&li&&a href=&#t0&&Keras简介&/a&&/li&&li&&a href=&#t1&&Keras里的模块介绍&/a&&/li&&li&&a href=&#t2&&一个实例用CNN分类Mnist&/a&&/li&&/ol&&/div&&div
style=&clear:both&&&/div&&div id=&article_content& class=&article_content tracking-ad& data-mod=&popu_307& data-dsm=&post&&
& & & & &div class=&markdown_views&&&blockquote&
& &p&致读者：本文写于keras开发初期，目前keras已经迭代到1.0版本，很多API都发生了较大的变化，所以本文的粘贴的一些代码可能已经过时，在我的github上有更新后的代码，读者需要的话可以看github上的代码：&a href=&/wepe/MachineLearning& target=&_blank&&/wepe/MachineLearning&/a&&/p&
&/blockquote&
&p&之前我一直在使用Theano，前面五篇Deeplearning相关的文章也是学习Theano的一些笔记，当时已经觉得Theano用起来略显麻烦，有时想实现一个新的结构，就要花很多时间去编程，所以想过将代码模块化，方便重复使用，但因为实在太忙没有时间去做。最近发现了一个叫做Keras的框架，跟我的想法不谋而合，用起来特别简单，适合快速开发。&/p&
&h2 id=&1-keras简介&&&a name=&t0& target=&_blank&&&/a&1. Keras简介&/h2&
&p&Keras是基于Theano的一个深度学习框架，它的设计参考了Torch，用Python语言编写，是一个高度模块化的神经网络库，支持GPU和CPU。使用文档在这：&a href=&http://keras.io/& target=&_blank&&http://keras.io/&/a&，这个框架貌似是刚刚火起来的，使用上的问题可以到github提issue:&a href=&/fchollet/keras& target=&_blank&&/fchollet/keras&/a& &/p&
&p&下面简单介绍一下怎么使用Keras，以Mnist数据库为例,编写一个CNN网络结构，你将会发现特别简单。&/p&
&h2 id=&2-keras里的模块介绍&&&a name=&t1& target=&_blank&&&/a&2. Keras里的模块介绍&/h2&
&li&&p&&strong&Optimizers&/strong&&/p&
&p&顾名思义，Optimizers包含了一些优化的方法，比如最基本的随机梯度下降SGD,另外还有Adagrad、Adadelta、RMSprop、Adam，一些新的方法以后也会被不断添加进来。&/p&
&pre class=&prettyprint& name=&code&&&code class=&hljs avrasm has-numbering&&keras&span class=&hljs-preprocessor&&.optimizers&/span&&span class=&hljs-preprocessor&&.SGD&/span&(lr=&span class=&hljs-number&&0.01&/span&, momentum=&span class=&hljs-number&&0.9&/span&,
decay=&span class=&hljs-number&&0.9&/span&, nesterov=False)&/code&&ul class=&pre-numbering&&&li&1&/li&&/ul&&div class=&save_code tracking-ad& data-mod=&popu_249&&&a href=&javascript:;& target=&_blank&&&img src=&http://static.blog.csdn.net/images/save_snippets.png&&&/a&&/div&&/pre&
&p&上面的代码是SGD的使用方法，lr表示学习速率,momentum表示动量项，decay是学习速率的衰减系数(每个epoch衰减一次),Nesterov的值是False或者True，表示使不使用Nesterov momentum。其他的请参考文档。&/p&&/li&
&li&&p&&strong&Objectives&/strong&&/p&
&p&这是目标函数模块，keras提供了mean_squared_error，mean_absolute_error &&br&
，squared_hinge，hinge，binary_crossentropy，categorical_crossentropy这几种目标函数。&/p&
&p&这里binary_crossentropy 和 categorical_crossentropy也就是常说的logloss.&/p&&/li&
&li&&p&&strong&Activations&/strong&&/p&
&p&这是激活函数模块，keras提供了linear、sigmoid、hard_sigmoid、tanh、softplus、relu、softplus，另外softmax也放在Activations模块里(我觉得放在layers模块里更合理些）。此外，像LeakyReLU和PReLU这种比较新的激活函数，keras在keras.layers.advanced_activations模块里提供。&/p&&/li&
&li&&p&&strong&Initializations&/strong&&/p&
&p&这是参数初始化模块，在添加layer的时候调用init进行初始化。keras提供了uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal这几种。 & &/p&&/li&
&li&&p&&strong&layers&/strong&&/p&
&p&layers模块包含了core、convolutional、recurrent、advanced_activations、normalization、embeddings这几种layer。&/p&
&p&其中core里面包含了flatten(CNN的全连接层之前需要把二维特征图flatten成为一维的)、reshape（CNN输入时将一维的向量弄成二维的）、dense(就是隐藏层，dense是稠密的意思),还有其他的就不介绍了。convolutional层基本就是Theano的Convolution2D的封装。&/p&&/li&
&li&&p&&strong&Preprocessing&/strong&&/p&
&p&这是预处理模块，包括序列数据的处理，文本数据的处理，图像数据的处理。重点看一下图像数据的处理，keras提供了ImageDataGenerator函数,实现data augmentation，数据集扩增，对图像做一些弹性变换，比如水平翻转，垂直翻转，旋转等。&/p&&/li&
&li&&p&&strong&Models&/strong&&/p&
&p&这是最主要的模块，模型。上面定义了各种基本组件，model是将它们组合起来，下面通过一个实例来说明。&/p&&/li&
&h2 id=&3一个实例用cnn分类mnist&&&a name=&t2& target=&_blank&&&/a&3.一个实例：用CNN分类Mnist&/h2&
&li&&p&&strong&数据下载&/strong&&/p&
&p&Mnist数据在其官网上有提供，但是不是图像格式的，因为我们通常都是直接处理图像，为了以后程序能复用，我把它弄成图像格式的，这里可以下载：&a href=&/s/1qCdS6& target=&_blank&&/s/1qCdS6&/a&，共有42000张图片。&/p&&/li&
&li&&p&&strong&读取图片数据&/strong&&/p&
&p&keras要求输入的数据格式是numpy.array类型（numpy是一个python的数值计算的库），所以需要写一个脚本来读入mnist图像，保存为一个四维的data，还有一个一维的label，代码：&/p&&/li&
&pre class=&prettyprint& name=&code&&&code class=&hljs python has-numbering&&&span class=&hljs-comment&&#coding:utf-8&/span&
&span class=&hljs-string&&&&&
Author:wepon
Source:/wepe
file:data.py
&&&&/span&
&span class=&hljs-keyword&&import&/span& os
&span class=&hljs-keyword&&from&/span& PIL &span class=&hljs-keyword&&import&/span& Image
&span class=&hljs-keyword&&import&/span& numpy &span class=&hljs-keyword&&as&/span& np
&span class=&hljs-comment&&#读取文件夹mnist下的42000张图片，图片为灰度图，所以为1通道，&/span&
&span class=&hljs-comment&&#如果是将彩色图作为输入,则将1替换为3，并且data[i,:,:,:] = arr改为data[i,:,:,:] = [arr[:,:,0],arr[:,:,1],arr[:,:,2]]&/span&
&span class=&hljs-function&&&span class=&hljs-keyword&&def&/span& &span class=&hljs-title&&load_data&/span&&span class=&hljs-params&&()&/span&:&/span&
& & data = np.empty((&span class=&hljs-number&&42000&/span&,&span class=&hljs-number&&1&/span&,&span class=&hljs-number&&28&/span&,&span class=&hljs-number&&28&/span&),dtype=&span class=&hljs-string&&&float32&&/span&)
& & label = np.empty((&span class=&hljs-number&&42000&/span&,),dtype=&span class=&hljs-string&&&uint8&&/span&)
& & imgs = os.listdir(&span class=&hljs-string&&&./mnist&&/span&)
& & num = len(imgs)
& & &span class=&hljs-keyword&&for&/span& i &span class=&hljs-keyword&&in&/span& range(num):
& & & & img = Image.open(&span class=&hljs-string&&&./mnist/&&/span&+imgs[i])
& & & & arr = np.asarray(img,dtype=&span class=&hljs-string&&&float32&&/span&)
& & & & data[i,:,:,:] = arr
& & & & label[i] = int(imgs[i].split(&span class=&hljs-string&&'.'&/span&)[&span class=&hljs-number&&0&/span&])
& & &span class=&hljs-keyword&&return&/span& data,label&/code&&ul class=&pre-numbering&&&li&1&/li&&li&2&/li&&li&3&/li&&li&4&/li&&li&5&/li&&li&6&/li&&li&7&/li&&li&8&/li&&li&9&/li&&li&10&/li&&li&11&/li&&li&12&/li&&li&13&/li&&li&14&/li&&li&15&/li&&li&16&/li&&li&17&/li&&li&18&/li&&li&19&/li&&li&20&/li&&li&21&/li&&li&22&/li&&li&23&/li&&li&24&/li&&li&25&/li&&/ul&&div
class=&save_code tracking-ad& data-mod=&popu_249&&&a href=&javascript:;& target=&_blank&&&img src=&http://static.blog.csdn.net/images/save_snippets.png&&&/a&&/div&&/pre&
&li&&p&构建CNN，训练&/p&
&p&短短二十多行代码，构建一个三个卷积层的CNN，直接读下面的代码吧，有注释，很容易读懂：&/p&&/li&
&pre class=&prettyprint& name=&code&&&code class=&hljs vala has-numbering&&&span class=&hljs-preprocessor&&#导入各种用到的模块组件&/span&
from __future__ import absolute_import
from __future__ import print_function
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.advanced_activations import PReLU
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.optimizers import SGD, Adadelta, Adagrad
from keras.utils import np_utils, generic_utils
from six.moves import range
from data import load_data
&span class=&hljs-preprocessor&&#加载数据&/span&
data, label = load_data()
print(data.shape[&span class=&hljs-number&&0&/span&], &span class=&hljs-string&&' samples'&/span&)
&span class=&hljs-preprocessor&&#label为0~9共10个类别，keras要求格式为binary class matrices,转化一下，直接调用keras提供的这个函数&/span&
label = np_utils.to_categorical(label, &span class=&hljs-number&&10&/span&)
&span class=&hljs-preprocessor&&###############&/span&
&span class=&hljs-preprocessor&&#开始建立CNN模型&/span&
&span class=&hljs-preprocessor&&###############&/span&
&span class=&hljs-preprocessor&&#生成一个model&/span&
model = Sequential()
&span class=&hljs-preprocessor&&#第一个卷积层，4个卷积核，每个卷积核大小5*5。1表示输入的图片的通道,灰度图为1通道。&/span&
&span class=&hljs-preprocessor&&#border_mode可以是valid或者full，具体看这里说明：http://deeplearning.net/software/theano/library/tensor/nnet/conv.html#theano.tensor.nnet.conv.conv2d&/span&
&span class=&hljs-preprocessor&&#激活函数用tanh&/span&
&span class=&hljs-preprocessor&&#你还可以在model.add(Activation('tanh'))后加上dropout的技巧: model.add(Dropout(0.5))&/span&
model.add(Convolution2D(&span class=&hljs-number&&4&/span&, &span class=&hljs-number&&1&/span&, &span class=&hljs-number&&5&/span&, &span class=&hljs-number&&5&/span&, border_mode=&span class=&hljs-string&&'valid'&/span&))&
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
&span class=&hljs-preprocessor&&#第二个卷积层，8个卷积核，每个卷积核大小3*3。4表示输入的特征图个数，等于上一层的卷积核个数&/span&
&span class=&hljs-preprocessor&&#激活函数用tanh&/span&
&span class=&hljs-preprocessor&&#采用maxpooling，poolsize为(2,2)&/span&
model.add(Convolution2D(&span class=&hljs-number&&8&/span&,&span class=&hljs-number&&4&/span&, &span class=&hljs-number&&3&/span&, &span class=&hljs-number&&3&/span&, border_mode=&span class=&hljs-string&&'valid'&/span&))
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
model.add(MaxPooling2D(poolsize=(&span class=&hljs-number&&2&/span&, &span class=&hljs-number&&2&/span&)))
&span class=&hljs-preprocessor&&#第三个卷积层，16个卷积核，每个卷积核大小3*3&/span&
&span class=&hljs-preprocessor&&#激活函数用tanh&/span&
&span class=&hljs-preprocessor&&#采用maxpooling，poolsize为(2,2)&/span&
model.add(Convolution2D(&span class=&hljs-number&&16&/span&, &span class=&hljs-number&&8&/span&, &span class=&hljs-number&&3&/span&, &span class=&hljs-number&&3&/span&, border_mode=&span class=&hljs-string&&'valid'&/span&))&
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
model.add(MaxPooling2D(poolsize=(&span class=&hljs-number&&2&/span&, &span class=&hljs-number&&2&/span&)))
&span class=&hljs-preprocessor&&#全连接层，先将前一层输出的二维特征图flatten为一维的。&/span&
&span class=&hljs-preprocessor&&#Dense就是隐藏层。16就是上一层输出的特征图个数。4是根据每个卷积层计算出来的：(28-5+1)得到24,(24-3+1)/2得到11，(11-3+1)/2得到4&/span&
&span class=&hljs-preprocessor&&#全连接有128个神经元节点,初始化方式为normal&/span&
model.add(Flatten())
model.add(Dense(&span class=&hljs-number&&16&/span&*&span class=&hljs-number&&4&/span&*&span class=&hljs-number&&4&/span&, &span class=&hljs-number&&128&/span&, init=&span class=&hljs-string&&'normal'&/span&))
model.add(Activation(&span class=&hljs-string&&'tanh'&/span&))
&span class=&hljs-preprocessor&&#Softmax分类，输出是10类别&/span&
model.add(Dense(&span class=&hljs-number&&128&/span&, &span class=&hljs-number&&10&/span&, init=&span class=&hljs-string&&'normal'&/span&))
model.add(Activation(&span class=&hljs-string&&'softmax'&/span&))
&span class=&hljs-preprocessor&&#############&/span&
&span class=&hljs-preprocessor&&#开始训练模型&/span&
&span class=&hljs-preprocessor&&##############&/span&
&span class=&hljs-preprocessor&&#使用SGD + momentum&/span&
&span class=&hljs-preprocessor&&#pile里的参数loss就是损失函数(目标函数)&/span&
sgd = SGD(l2=&span class=&hljs-number&&0.0&/span&,lr=&span class=&hljs-number&&0.05&/span&, decay=&span class=&hljs-number&&1e-6&/span&, momentum=&span class=&hljs-number&&0.9&/span&, nesterov=True)
pile(loss=&span class=&hljs-string&&'categorical_crossentropy'&/span&, optimizer=sgd,class_mode=&span class=&hljs-string&&&categorical&&/span&)
&span class=&hljs-preprocessor&&#调用fit方法，就是一个训练过程. 训练的epoch数设为10，batch_size为100．&/span&
&span class=&hljs-preprocessor&&#数据经过随机打乱shuffle=True。verbose=1，训练过程中输出的信息，0、1、2三种方式都可以，无关紧要。show_accuracy=True，训练时每一个epoch都输出accuracy。&/span&
&span class=&hljs-preprocessor&&#validation_split=0.2，将20%的数据作为验证集。&/span&
model.fit(data, label, batch_size=&span class=&hljs-number&&100&/span&,nb_epoch=&span class=&hljs-number&&10&/span&,shuffle=True,verbose=&span class=&hljs-number&&1&/span&,show_accuracy=True,validation_split=&span class=&hljs-number&&0.2&/span&)&/code&&ul class=&pre-numbering&&&li&1&/li&&li&2&/li&&li&3&/li&&li&4&/li&&li&5&/li&&li&6&/li&&li&7&/li&&li&8&/li&&li&9&/li&&li&10&/li&&li&11&/li&&li&12&/li&&li&13&/li&&li&14&/li&&li&15&/li&&li&16&/li&&li&17&/li&&li&18&/li&&li&19&/li&&li&20&/li&&li&21&/li&&li&22&/li&&li&23&/li&&li&24&/li&&li&25&/li&&li&26&/li&&li&27&/li&&li&28&/li&&li&29&/li&&li&30&/li&&li&31&/li&&li&32&/li&&li&33&/li&&li&34&/li&&li&35&/li&&li&36&/li&&li&37&/li&&li&38&/li&&li&39&/li&&li&40&/li&&li&41&/li&&li&42&/li&&li&43&/li&&li&44&/li&&li&45&/li&&li&46&/li&&li&47&/li&&li&48&/li&&li&49&/li&&li&50&/li&&li&51&/li&&li&52&/li&&li&53&/li&&li&54&/li&&li&55&/li&&li&56&/li&&li&57&/li&&li&58&/li&&li&59&/li&&li&60&/li&&li&61&/li&&li&62&/li&&li&63&/li&&li&64&/li&&li&65&/li&&li&66&/li&&li&67&/li&&li&68&/li&&li&69&/li&&li&70&/li&&li&71&/li&&/ul&&div
class=&save_code tracking-ad& data-mod=&popu_249&&&a href=&javascript:;& target=&_blank&&&img src=&http://static.blog.csdn.net/images/save_snippets.png&&&/a&&/div&&/pre&
&li&&strong&代码使用与结果&/strong&&/li&
&p&代码放在我github的机器学习仓库里：&a href=&/wepe/MachineLearning& target=&_blank&&/wepe/MachineLearning&/a&,非github用户直接点右下的DownloadZip。&/p&
&p&在/DeepLearning Tutorials/keras_usage目录下包括&code&data.py&/code&,&code&cnn.py&/code&两份代码，下载Mnist数据后解压到该目录下，运行&code&cnn.py&/code&这份文件即可。&/p&
&p&结果如下所示，在Epoch 9达到了0.98的训练集识别率和0.97的验证集识别率：&/p&
&p&&img src=&http://img.blog.csdn.net/44640& alt=&这里写图片描述& title=&&&&/p&
&p&转载请注明出处：&a href=&http://blog.csdn.net/u/article/details/& target=&_blank&&http://blog.csdn.net/u/article/details/&/a&&/p&&/div&
& & & & &script type=&text/javascript&&
& & & & & & $(function () {
& & & & & & & & $('pre.prettyprint code').each(function () {
& & & & & & & & & & var lines = $(this).text().split('\n').
& & & & & & & & & & var $numbering = $('&ul/&').addClass('pre-numbering').hide();
& & & & & & & & & & $(this).addClass('has-numbering').parent().append($numbering);
& & & & & & & & & & for (i = 1; i &= i++) {
& & & & & & & & & & & & $numbering.append($('&li/&').text(i));
& & & & & & & & & & };
& & & & & & & & & & $numbering.fadeIn(1700);
& & & & & & & & });
& & & & & & });
& & & & &/script&
&!-- Baidu Button BEGIN --&
&div class=&bdsharebuttonbox tracking-ad bdshare-button-style0-16& style=&float:& data-mod=&popu_172& data-bd-bind=&0&&
&a href=&#& class=&bds_more& data-cmd=&more& style=&background-position:0 0 ! background-image: url(http://bdimg./static/api/img/share/icons_0_16.png?v=d754dcc0.png) !important& target=&_blank&&&/a&
&a href=&#& class=&bds_qzone& data-cmd=&qzone& title=&分享到QQ空间& style=&background-position:0 -52px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_tsina& data-cmd=&tsina& title=&分享到新浪微博& style=&background-position:0 -104px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_tqq& data-cmd=&tqq& title=&分享到腾讯微博& style=&background-position:0 -260px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_renren& data-cmd=&renren& title=&分享到人人网& style=&background-position:0 -208px !important& target=&_blank&&&/a&
&a href=&#& class=&bds_weixin& data-cmd=&weixin& title=&分享到微信& style=&background-position:0 -1612px !important& target=&_blank&&&/a&
&script&window._bd_share_config = { &common&: { &bdSnsKey&: {}, &bdText&: &&, &bdMini&: &1&, &bdMiniList&: false, &bdPic&: &&, &bdStyle&: &0&, &bdSize&: &16& }, &share&: {} }; with (document) 0[(getElementsByTagName('head')[0] || body).appendChild(createElement('script')).src
= 'http://bdimg./static/api/js/share.js?v=.js?cdnversion=' + ~(-new Date() / 36e5)];&/script&
&!-- Baidu Button END --&
&!--172.16.140.13--&
&!-- Baidu Button BEGIN --&
&script type=&text/javascript& id=&bdshare_js& data=&type=tools&uid=1536434& src=&http://bdimg./static/js/bds_s_v2.js?cdnversion=418380&&&/script&
&script type=&text/javascript&&
& & document.getElementById(&bdshell_js&).src = &http://bdimg./static/js/shell_v2.js?cdnversion=& + Math.ceil(new Date()/3600000)
&!-- Baidu Button END --&
& & & & &div id=&digg& articleid=&&&
& & & & & & &dl id=&btnDigg& class=&digg digg_enable& onclick=&btndigga();&&
& & & & & & & &
& & & & & & & & &&dt&顶&/dt&
& & & & & & & & &dd&14&/dd&
& & & & & & &/dl&
& & & & & &
& & & & & & &&
& & & & & & &dl id=&btnBury& class=&digg digg_enable& onclick=&btnburya();&&
& & & & & & &&
& & & & & & & & & &dt&踩&/dt&
& & & & & & & & &dd&0&/dd& & & & & & & &&
& & & & & & &/dl&
& & & & & &&
& & & & &/div&
& & &&div class=&tracking-ad& data-mod=&popu_222&&&a href=&javascript:void(0);& target=&_blank&&&&/a& & &/div&
& & &div class=&tracking-ad& data-mod=&popu_223&& &a href=&javascript:void(0);& target=&_blank&&&&/a&&/div&
& & &script type=&text/javascript&&
& & & & function btndigga() {
& & & & & & $(&.tracking-ad[data-mod='popu_222'] a&).click();
& & & & function btnburya() {
& & & & & & $(&.tracking-ad[data-mod='popu_223'] a&).click();
& & & & & & &/script&
& &&ul class=&article_next_prev&&
& & & & & & & & &li class=&prev_article&&&span onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_shangyipian']);location.href='http://blog.csdn.net/u/article/details/';&&上一篇&/span&&a href=&http://blog.csdn.net/u/article/details/&
onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_shangyipian'])&&libsvm和liblinear的使用总结&/a&&/li&
& & & & & & & & &li class=&next_article&&&span onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_xiayipian']);location.href='http://blog.csdn.net/u/article/details/';&&下一篇&/span&&a href=&http://blog.csdn.net/u/article/details/&
onclick=&_gaq.push(['_trackEvent','function', 'onclick', 'blog_articles_xiayipian'])&&DeepLearning tutorial（7）深度学习框架Keras的使用-进阶&/a&&/li&
& & &div style=&clear: height:10&&&/div&
& & & & & & &div class=&similar_article&&
& & & & & & & & & & &h4&&/h4&
& & & & & & & & & & &div class=&similar_c& style=&margin:20px 0px 0px 0px&&
& & & & & & & & & & & & &div class=&similar_c_t&&
& & & & & & & & & & & & & &&相关文章推荐
& & & & & & & & & & & & &/div&
& & & & & & & & & &
& & & & & & & & & & & & &div class=&similar_wrap tracking-ad& data-mod=&popu_36& style=&max-height:250px&& & & & & & & & & & & &&
& & & & & & & & & & & & & & &ul class=&similar_list fl&& & &
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/niuwei22007/article/details/& title=&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-08-规则化(规格化)& strategy=&BlogCommendFromBaidu_0& target=&_blank&&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-08-规则化(规格化)&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/huiyiCourse/series_detail/64?utm_source=blog7& title=&携程机票大数据基础平台架构演进-- 许鹏& strategy=&undefined& target=&_blank&&携程机票大数据基础平台架构演进-- 许鹏&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/niuwei22007/article/details/& title=&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-12-核心层& strategy=&BlogCommendFromBaidu_1& target=&_blank&&基于Theano的深度学习(Deep Learning)框架Keras学习随笔-12-核心层&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/4803?utm_source=blog7& title=&Python可以这样学--董付国& strategy=&undefined& target=&_blank&&Python可以这样学--董付国&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/eagelangel/article/details/& title=&用keras小试CNN卷积神经网络应用于人脸识别& strategy=&BlogCommendFromBaidu_2& target=&_blank&&用keras小试CNN卷积神经网络应用于人脸识别&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/5505?utm_source=blog7& title=&一步一步学Spring Boot& strategy=&undefined& target=&_blank&&一步一步学Spring Boot&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/u/article/details/& title=&DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）& strategy=&BlogCommendFromBaidu_3& target=&_blank&&DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/4637?utm_source=blog7& title=&深入浅出C++程序设计& strategy=&undefined& target=&_blank&&深入浅出C++程序设计&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & &/ul&
& & & & & & & & & & & & & & & &ul class=&similar_list fr&& & & &
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/u/article/details/& title=&DeepLearning tutorial（4）CNN卷积神经网络原理简介+代码详解& strategy=&BlogCommendFromBaidu_4& target=&_blank&&DeepLearning tutorial（4）CNN卷积神经网络原理简介+代码详解&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/course/detail/4363?utm_source=blog7& title=&Android Material Design 新控件& strategy=&undefined& target=&_blank&&Android Material Design 新控件&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/lujiandong1/article/details/& title=&keras 实现CNN 进行手写字符识别& strategy=&BlogCommendFromBaidu_5& target=&_blank&&keras 实现CNN 进行手写字符识别&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://edu.csdn.net/combo/detail/532?utm_source=blog7& title=&机器学习需要用到的数学知识& strategy=&undefined& target=&_blank&&机器学习需要用到的数学知识&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/zhoubl668/article/details/& title=&DeepLearning tutorial（6）易用的深度学习框架Keras简介& strategy=&BlogCommendFromBaidu_6& target=&_blank&&DeepLearning tutorial（6）易用的深度学习框架Keras简介&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/zrf/article/details/& title=&activity嵌套fragment，fragment内嵌fragment之间传值切换fragment& strategy=&BlogCommendFromBaidu_7& target=&_blank&&activity嵌套fragment，fragment内嵌fragment之间传值切换fragment&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/Eric_Wilson/article/details/& title=&Keras 深度学习框架Python Example:CNN/mnist& strategy=&BlogCommendFromBaidu_8& target=&_blank&&Keras 深度学习框架Python Example:CNN/mnist&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & & & & &&li&
& & & & & & & & & & & & & & & & & & & &&em&o&/em&
& & & & & & & & & & & & & & & & & & & &&a href=&http://blog.csdn.net/u/article/details/& title=&利用Python PIL、cPickle读取和保存图像数据库& strategy=&BlogCommendFromBaidu_9& target=&_blank&&利用Python PIL、cPickle读取和保存图像数据库&/a&
& & & & & & & & & & & & & & & & & &&/li&
& & & & & & & & & & & & & & &/ul&
& & & & & & & & & & & & &/div&
& & & & & & & & & & &/div&
& & & & & & & & &/div& &&
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：60次
排名：千里之外
(window.slotbydup = window.slotbydup || []).push({
id: '4740881',
container: s,
size: '200,200',
display: 'inlay-fix'}
我要回帖
更多关于 keras框架 的文章
更多推荐
- ·这是什么最好看免费观看高清电影大全？
- ·红歌大全100首老歌儿童歌曲(免费100首必听经典老歌歌100首)
- ·为什么有人会把喜欢看日漫与恨日本矛盾吗等同于忘记国耻
- ·1990年北京园艺博览会会徽及寓意亚运会的会徽是长城的形象
- ·怎么把蔡徐坤喜欢吃什么零食的甜甜圈抠下来
- ·幼儿园预算项目管理制度政策依据参照哪些政策依据
- ·我有一个周记作业，是写反映班级情况的周记问题的，顺序是原因→问题→后果→措施
- ·U3d里面模型怎么变色龙 高达模型啊shader都可以
- ·劝人劝渔夫努力捕鱼的词语
- ·republique francaisede niger 哪个国家
- ·我在用拟声词写一段话话里能不能查到哪一个词出现最多
- ·想成为国家一级安全生产一级质量标准化矿井井吗
- ·我的打架鼻子骨折怎么判刑被一拳打的骨折和轻度移位和塌陷，这样怎么办
- ·哪种《唐诗宋词三百首首》第一篇是第八卷…
- ·铺设地毯有哪些地毯拆除施工工艺艺
- ·大地鹰王dd350b侉子350侉子和叛逆者侉子哪个好
- ·proxy函数可以解决javascript回调函数吗
- ·patapenlate-free 在涤纶中会有吗
- ·如何切实有效地加强企业加强人才队伍建设综述
- ·怎么ios 获取用户ip adr ios客户端
- ·如何评价深度学习框架keras框架
- ·陆游的诗集痴情人设是怎么立起来的
- ·澳洲博士申请有佣金吗材料求助
- ·kettle的javajava 让组件不被覆盖怎么去让一列数据分成几列
- ·有朋自远方来安全警钟长鸣手抄报报
- ·烂糊蒸藕圆子的做法怎么做
- ·高血压能吃辣会增高血压椒吗？
- ·化学问题，原子示意图中，最原子的外层电子构型为4反应中较易失去电子还是得到电子？
- ·GL 450bsd汽车盲点辅助助，灯亮着的，但是来车它不滴滴滴滴的响了。以前来车是滴滴滴的响啊。
- ·中国教师资格认定网中为什么没有园林专业那我我选择那个专业更合理
- ·对于绝缘试验包括的总体要求包括哪些
- ·ios 怎么让启动广告图像ios launchscreenn
- ·作文我的青春里有你600字亲情
- ·557020把它写成万做单位的亿以内数的近似数数是多少
- ·在北京 学习 新媒体运营 还是新媒体网络推广不限经验 比价好。 新媒体推广和新媒体网络推广不限经验有什么区别吗 我是小白
- ·今年918除了喊口号还能做什么每天一篇英语短文 app小短文
