about云开发

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 3918|回复: 0

[实操演练] 深度学习库 Keras 文档指南

[复制链接]

126

主题

32

听众

1

收听

高级会员

Rank: 4

积分
1996

最佳新人活跃会员热心会员

发表于 2018-1-11 18:24:39 | 显示全部楼层 |阅读模式
问题导读:
1. 什么是Keras?
2. 如何快速上手Keras?
3. 如何安装Keras?
4. 如何切换Kears的后端?




这就是 Keras

Keras是一个高层神经网络API,Keras由纯Python编写而成并基于Tensorflow(https://github.com/tensorflow/tensorflow)、Theano(https://github.com/Theano/Theano)以及CNTK(https://github.com/Microsoft/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,如果你有如下需求,请选择Keras:

  • 简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)
  • 支持CNN和RNN,或二者的结合
  • 无缝CPU和GPU切换

Keras适用的Python版本是:Python 2.7-3.6


Keras的设计原则是

  • 用户友好:Keras是为人类而不是天顶星人设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践:Keras提供一致而简洁的API, 能够极大减少一般应用下用户的工作量,同时,Keras提供清晰和具有实践意义的bug反馈。
  • 模块性:模型可理解为一个层的序列或数据的运算图,完全可配置的模块可以用最少的代价自由组合在一起。具体而言,网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块,你可以使用它们来构建自己的模型。
  • 易扩展性:添加新模块超级容易,只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得Keras更适合于先进的研究工作。
  • 与Python协作:Keras没有单独的模型配置文件类型(作为对比,caffe有),模型由python代码描述,使其更紧凑和更易debug,并提供了扩展的便利性。


关于Keras-cn

本文档是Keras文档的中文版,包括keras.io(http://keras.io/)的全部内容,以及更多的例子、解释和建议


现在,keras-cn的版本号将简单的跟随最新的keras release版本


由于作者水平和研究方向所限,无法对所有模块都非常精通,因此文档中不可避免的会出现各种错误、疏漏和不足之处。如果您在使用过程中有任何意见、建议和疑问,欢迎大家一起交流。



当前版本与更新

如果你发现本文档提供的信息有误,有两种可能:

  • 你的Keras版本过低:记住Keras是一个发展迅速的深度学习框架,请保持你的Keras与官方最新的release版本相符
  • 我们的中文文档没有及时更新:如果是这种情况,请发邮件给我,我会尽快更新

目前文档的版本号是2.0.9,对应于官方的2.0.9 release 版本, 本次更新的主要内容是:

  • recurrent新增ConvLSTM2D,SimpleRNNCell, LSTMCell, GRUCell, StackedRNNCells, CuDNNGRE, CuDNNLSTM层
  • application中新增了模型InceptionResNetV2
  • datasets新增fasion mnist
  • FAQ新增Keras的多GPU卡运行指南
  • utils新增多卡支持函数multi_gpu_model
  • model.compile和model.fit API更新
  • 由于年久失修,深度学习与Keras栏目中的很多内容的代码已经不再可用,我们决定在新的文档中移除这部分。仍然想访问这些内容(以及已经被移除的一些层,如Maxout)的文档的同学,请下载中文文档(https://github.com/MoyanZitto/keras-cn)的legacy文件夹,并使用文本编辑器(如sublime)打开对应.md文件。
  • 修正了一些错误,感谢@孙永海,@Feng Ying的指正
  • 此外,Keras2.0.4中文文档存在离线版本,这个版本的keras对大多数用户而言已经足够使用了。下载地址在百度云盘(http://pan.baidu.com/s/1geHmOpH)

注意,keras在github上的master往往要高于当前的release版本,如果你从源码编译keras,可能某些模块与文档说明不相符,请以官方Github代码为准



快速开始:30s上手Keras

Keras的核心数据结构是“模型”,模型是一种组织网络层的方式。Keras中主要的模型是Sequential模型,Sequential是一系列网络层按顺序构成的栈。你也可以查看函数式模型(https://keras-cn.readthedocs.io/ ... ted/functional_API/)来学习建立更复杂的模型


Sequential模型如下

[Python] 纯文本查看 复制代码
from keras.models import Sequential

model = Sequential()

将一些网络层通过.add()堆叠起来,就构成了一个模型:

[Python] 纯文本查看 复制代码
from keras.layers import Dense, Activation

model.add(Dense(units=64, input_dim=100))
model.add(Activation("relu"))
model.add(Dense(units=10))
model.add(Activation("softmax"))

完成模型的搭建后,我们需要使用.compile()方法来编译模型:

[Python] 纯文本查看 复制代码
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

编译模型时必须指明损失函数和优化器,如果你需要的话,也可以自己定制损失函数。Keras的一个核心理念就是简明易用,同时保证用户对Keras的绝对控制力度,用户可以根据自己的需要定制自己的模型、网络层,甚至修改源代码。

[Python] 纯文本查看 复制代码
from keras.optimizers import SGD
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))

完成模型编译后,我们在训练数据上按batch进行一定次数的迭代来训练网络

[Python] 纯文本查看 复制代码
model.fit(x_train, y_train, epochs=5, batch_size=32)

当然,我们也可以手动将一个个batch的数据送入网络中训练,这时候需要使用:

[Python] 纯文本查看 复制代码
model.train_on_batch(x_batch, y_batch)

随后,我们可以使用一行代码对我们的模型进行评估,看看模型的指标是否满足我们的要求:

[Python] 纯文本查看 复制代码
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

或者,我们可以使用我们的模型,对新的数据进行预测:

[Python] 纯文本查看 复制代码
classes = model.predict(x_test, batch_size=128)

搭建一个问答系统、图像分类模型,或神经图灵机、word2vec词嵌入器就是这么快。支撑深度学习的基本想法本就是简单的,现在让我们把它的实现也变的简单起来!


为了更深入的了解Keras,我们建议你查看一下下面的两个tutorial

  • 快速开始Sequntial模型
  • 快速开始函数式模型

还有我们的新手教程,虽然是面向新手的,但我们阅读它们总是有益的:

  • Keras新手指南

在Keras代码包的examples文件夹里,我们提供了一些更高级的模型:基于记忆网络的问答系统、基于LSTM的文本的文本生成等。



安装

Keras使用了下面的依赖包,三种后端必须至少选择一种,我们建议选择tensorflow。

  • numpy,scipy
  • pyyaml
  • HDF5, h5py(可选,仅在模型的save/load函数中使用)
  • 如果使用CNN的推荐安装cuDNN

当使用TensorFlow为后端时:

  • TensorFlow(https://www.tensorflow.org/install/)

当使用Theano作为后端时:

  • Theano(http://deeplearning.net/software/theano/install.html#install)

当使用CNTK作为后端时:

  • CNTK(https://docs.microsoft.com/en-us ... ntk-on-your-machine)

“后端”翻译自backend,指的是Keras依赖于完成底层的张量运算的软件包。

从源码安装Keras时,首先git clone keras的代码:

[AppleScript] 纯文本查看 复制代码
git clone https://github.com/fchollet/keras.git

接着 cd 到Keras的文件夹中,并运行下面的安装命令:

[AppleScript] 纯文本查看 复制代码
sudo python setup.py install

你也可以使用PyPI来安装Keras

[AppleScript] 纯文本查看 复制代码
sudo pip install keras

如果你用的是virtualenv虚拟环境,不要用sudo就好。



在Theano、CNTK、TensorFlow间切换

Keras默认使用TensorFlow作为后端来进行张量操作,如需切换到Theano,请查看这里(https://keras-cn.readthedocs.io/en/latest/backend)



技术支持

你可以在下列网址提问或加入Keras开发讨论:

  • Keras Google group(https://groups.google.com/forum/#!forum/keras-users)
  • Keras Slack channel(https://kerasteam.slack.com/),点击这里获得邀请.

你也可以在Github issues里提问或请求新特性。在提问之前请确保你阅读过我们的指导



来源:https://keras-cn.readthedocs.io/en/latest/
作者:MoyanZitto

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则