深度学习应用开发 课件 cha3 3-Keras建模流程_第1页
深度学习应用开发 课件 cha3 3-Keras建模流程_第2页
深度学习应用开发 课件 cha3 3-Keras建模流程_第3页
深度学习应用开发 课件 cha3 3-Keras建模流程_第4页
深度学习应用开发 课件 cha3 3-Keras建模流程_第5页
已阅读5页,还剩7页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

目录1Keras建模流程介绍01任务Keras建模具体流程02任务1Keras建模流程介绍1Keras建模流程介绍深度学习框架Keras是像搭积木般构建神经网络模型,主要分为6个部分,每个部分只需调用kerasAPI函数就能实现。使用keras框架建模流程通常包括:(1)数据预处理:获取并预处理训练数据;(2)建立模型:定义由网络层组成的网络或模型,将输入数据映射成目标;(3)编译模型:配置训练过程参数,包括损失函数、优化器、模型评估指标;(4)训练模型:调用函数在训练数据上进行迭代,更新模型权重;(5)评估模型:使用测试集或验证数据集,评估模型的性能是否达到要求;(6)模型预测:使用训练好的模型预测新的数据。2Keras建模具体流程2Keras建模具体流程(1)数据预处理在以深度学习为主的人工智能任务流程中,第一步要做的就是数据的处理,因为有了数据,网络模型才能够训练,数据处理的步骤主要有以下几个环节:数据采集数据标注数据增强数据清洗数据标准化数据的划分在本课程的案例中,均使用keras数据集模块加载相应的数据集,然后进行相应的数据处理。2Keras建模具体流程(2)建立模型Keras框架中,有序列式和函数式两种常用的建模方法。比如使用序列式API建模,代码如下:使用model.add()给模型添加了一个Dense层,参数2表示该层神经元的数量;一般层的添加顺序即是各层连接的顺序,也是数据流经模型被处理的顺序。2Keras建模具体流程(3)编译模型定义好模型之后需要通过编译(compile)来对学习过程进行配置,模型编译主要是设置各类参数包括:优化器optimizer,损失函数loss,评估指标metrics等。代码如下:编译的过程也是Keras将定义好的模型转化为底层平台(如TensorFlow)结构描述过程,底层平台会支持后续的计算任务,如GPU、CPU的调度选择,分布式运行等。2Keras建模具体流程(4)训练模型编译后的模型可以使用model.fit()函数进行训练,训练的过程就是通过测试数据来确定神经元间连接权重(weight)的过程。训练过程需要指定训练数据、批量大小、训练代数等参数。代码如下:2Keras建模具体流程(5)评估模型训练后的模型,需要对其性能进行评估,以此来确定训练效果是否达到了预期。评估模型使用的函数是model.evalute(),该函数的参数x_test和y_test与model.fit()方法的数据类型是一样的,一般会选择用测试数据进行评估。2Keras建模具体流程(6)模型预测模型预测是建模的最后一步,当模型的性能评估达到要求后,就可以用训练好的模型在新的数据上进行预测了。预

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论