一、Keras简介
Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow(, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。*能够以最小的时延把你的想法转换为实验结果,是做好研究的关键。
二、Keras安装
- Python安装
pip install keras -U --pre
如果你是 python 2+ 版本, 复制下面
sudo pip install keras
如果你是 python 3+ 版本, 复制下面
pip3 install keras
CPU 版本
pip install --upgrade tensorflow
-
使用Anaconda安装
三、安装scikit-learn
pip3 install -U scikit-learn
或
(base) C:\Users\Administrator>conda install scikit-learn
二、Keras搭建模型
- 选择模型
- 构建网络层
- 编译
- 训练
- 预测
三、1*1卷积层的理解
首先假设用平面的二维图像与11的核进行卷积,则我们会得到:
这样只会在原来的像素上乘上一个系数,并没有什么直接的效果。
但是假设在一个多通道的图像中用上11的卷积核,我们会得到什么样的效果呢?
用一个6
632的图像去乘以1
132的卷积核得到的其实是一个6
6的二维矩阵。这样就将通道数32给消除了,相当于给图像降维的操作,而且很迅速。
卷积核的通道数必须与源图像的通道数相同。
在通常的神经网络中,一般不会单独只使用1个卷积核,当使用的卷积核的个数是filters的时候,最后输出的就是一个66*filters的立方块。
四、常见问题
1、TypeError: softmax() got an unexpected keyword argument 'axis'