深度学习库Keras入门

Keras简介

Keras是一个高级神经网络API，用Python编写，能够运行在TensorFlow或者Theano之上。它的开发重点是实现快速实验。从想法到结果延迟很小，是做好研究的重要途径。

如果您需要一个深度学习库，请使用Keras，因为：

• 允许简单快速的原型（通过用户友好，模块化和可扩展性）。
• 支持卷积神经网络和循环神经网络，以及两者的组合。
• 在CPU和GPU上无缝运行。
  Keras当前兼容于：Python 2.7-3.5。

Keras设计原则

• 用户友好 Keras是为人类而不是机器设计的API。它以用户体验为中心。 Keras遵循降低认知负担的最佳实践：它提供一致和简单的API，它可以最大限度地减少常见用例所需的用户操作数量，并根据用户错误提供清晰可行的反馈。
• 模块化 模块化是指独立的、完全可配置的模块的序列或图形，能够以很少的限制组合到一起。特别地，神经层，损失函数，优化器，初始化方案，激活函数，正则化方案都是独立的模块，您可以结合来创建新的模型。
• 易扩展性 很容易添加新模块（作为新类和函数），现有的模块提供了很多示例。能够轻松创建新模块，使得Keras适合高级研究。
• 使用Python语言 不需要单独的模型配置文件。模型使用Python代码进行描述，它是紧凑的，易于调试的，并且易于扩展。

30秒入门Keras

Keras的核心数据结构是一个模型(model)，是组织层次的一种方式。最简单的模型是序列(Sequential)模型，即多个层的线性堆叠。对于更复杂的体系结构，您应该使用Keras functional API,，这允许构建层的任意图结构。

以下是序列Sequential模型：

from keras.models import Sequential

model = Sequential()

堆叠层只需要调用`.add()，非常简单：

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'))

一旦您的模型堆叠好了，可以使用.compile()配置其学习过程：

model.compile(loss='categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])

如果需要，您可以进一步配置优化器。 Keras的核心原则是使事情变得极为简单，同时允许用户在需要时完全控制（最终的控制是源代码的易扩展性）。

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.SGD(lr=0.01, momentum=0.9, nesterov=True))

您现在可以批量地迭代训练数据：

# x_train and y_train are Numpy arrays --just like in the Scikit-Learn API.
model.fit(x_train, y_train, epochs=5, batch_size=32)

或者，您可以手动将小批数据添加到您的模型中：

model.train_on_batch(x_batch, y_batch)

以一行代码评估模型的表现：

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

或生成新数据的预测

classes = model.predict(x_test, batch_size=128)

构建问答系统，图像分类模型，神经图灵机或任何其他模型也是一样快。深度学习背后的思想很简单，所以没有必要有发杂的实现。

有关Keras的更深入的教程，您可以查看：

• Getting started with the Sequential model
• Getting started with the functional API

在代码库的示例文件夹中(examples folder)，您会发现更高级的模型：使用记忆网络的问答，使用堆叠LSTM的文本生成等等。

Keras安装

Keras使用了如下依赖：

• numpy, scipy
• yaml
• HDF5 和 h5py(可选，如果您使用模型保存/加载功能)
• 可选，但如果您使用CNN，建议使用:cuDNN
• TensorFlow(使用TensorFlow作为后端)
• Theano(使用Theano作为后端)

要安装Keras，请cd到Keras文件夹并运行install命令：

sudo python setup.py install

您还可以从PyPI安装Keras：

sudo pip install keras

默认情况下，Keras将使用TensorFlow作为张量操纵库。要切换到其他后端(Theano), 参考这里。