keras + tensorflow 基本使用 —— backend_tensorflow.keras.backend

theano 以及 TensorFlow 是 keras 的 backend（后端支持），因此，keras 本质上是对 thenao 或者 TensorFlow 的进一步封装（wrapper）。

• keras 安装完成之后，会自动在用户 home 目录创建.keras/keras.json文件，用于配置 keras 的一些基本信息：
  • "backend": "tensorflow"
  • from keras.datasets import mnist ⇒ mnist.load_data()，在线下载的 mnist.npz也是在该文件夹下；

0. 查看后端

>> from keras import backend
>> backend.image_dim_ordering()
'tf'
>> backend.image_data_format()
'channels_last'
1
2
3
4
5

1. 内置数据集

• mnist

  >> from keras.datasets import mnist
  >> (X_train, y_train), (X_test, y_test) = mnist.load_data()
  >> X_train.shape
  (60000, 28, 28)
  >> y_train.shape
  (60000,)
  >> X_test.shape
  (10000, 28, 28)
  >> y_test.shape
  (10000,)
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10

2. keras 下的 packages

• keras.layers（对 layer 的抽象）

  • from keras.layers import Input：输入层（首字母大写，是一个类，表示输入层），类构造函数接受的参数分别有，
    • shape：tuple 类型，标识维度信息
  • from keras.layers import Dense：全连接层，该类构造函数接收的参数分别有：
    • output_dim：下一层的神经元的数目
    • activation：字符串类型，默认为'linear'，所以一定要使用关键字参数的形式，对其进行设置；

• keras.models（对最终训练学习到的模型进行抽象）

  • from keras.models import Model，其构造函数接受的参数分别为：
    • input，输入
    • output， 输出
    • 很像 theano 下的 theano.function(...)

• Model 类更为重要的是其丰富的成员函数，ae = Model(input=…, output=…)

  • ae.compile()，参数列表主要有：

    • optimizer：字符串类型，adam/...
    • loss：字符串类型，mse/...

  • ae.fit()，用于正式的训练，参数列表主要有：

    • x, y：输入和输出，比如对于自编码器，x 和 y 是一致的；
    • shuffle：是否 shuffle 数据

  • ae.predict()：对单个的样本进行预测；

3. 网络搭建

from keras.models import Sequential
from keras.layers import Embedding, SimpleRNN

model = Sequential()
model.add(Embedding(10000, 32))
model.add(SimpleRNN(32))

# 
model.summary()
model.pop()
		# 移除最后添加的层
1
2
3
4
5
6
7
8
9
10
11

• model.pop()：移除最后添加的层
• model.output_shape：查看输出层（也即最后添加的层）的大小；

references

• Keras FAQ: 常见问题解答