编程技术网

关注微信公众号,定时推送前沿、专业、深度的编程技术资料。

 找回密码
 立即注册

QQ登录

只需一步,快速开始

极客时间

使用 Keras 实现 MLP

mycode keras 2021-11-29 15:40 181人围观

腾讯云服务器

使用 Keras 实现 MLP

凯拉斯是一种高级深度学习 API,可让您轻松构建、训练、评估和执行各种神经网络。其文档(或规范)可在https://keras.io/ 获得参考实现,也称为Keras,被弗朗索瓦CHOLLET开发作为一个研究项目的一部分,14和被发布在2015年3月,迅速得到普及,由于其易用性,灵活性的一个开源项目,和美观的设计。为了执行神经网络所需的繁重计算,此参考实现依赖于计算后端。目前,您可以从三个流行的开源深度学习库中进行选择:TensorFlow、Microsoft 认知工具包 (CNTK),以及西诺。因此,为避免混淆,我们将参考此参考实现作为多后端 Keras

自 2016 年底以来,其他实现已经发布。您现在可以在 Apache MXNet、Apple 的 Core ML、JavaScript 或 TypeScript(在 Web 浏览器中运行 Keras 代码)和 PlaidML(可以在各种 GPU 设备上运行,而不仅仅是 Nvidia)上运行 Keras。此外,TensorFlow现在,它与自己的 Keras 实现 tf.keras 捆绑在一起。它仅支持 TensorFlow 作为后端,但它的优势在于提供了一些非常有用的额外功能(见图 10-10):例如,它支持 TensorFlow 的 Data API,可以轻松高效地加载和预处理数据。出于这个原因,我们将在本书中使用 tf.keras。但是,在本章中,我们不会使用任何 TensorFlow 特定的功能,因此代码应该也可以在其他 Keras 实现上正常运行(至少在 Python 中),只需稍作修改,例如更改导入。

mls2 1010
图 10-10。Keras API 的两种实现:多后端 Keras(左)和 tf.keras(右)

在 Keras 和 TensorFlow 之后,最受欢迎的深度学习库是 Facebook 的PyTorch库。好消息是,它的API非常相似Keras的(部分原因是因为这两个API是由Scikit,学习和启发Chainer),所以一旦你了解了 Keras,如果你愿意,切换到 PyTorch 并不难。PyTorch 的受欢迎程度在 2018 年呈指数级增长,这主要归功于其简单性和出色的文档,而这并不是 TensorFlow 1.x 的主要优势。然而,TensorFlow 2 可以说和 PyTorch 一样简单,因为它采用了 Keras 作为其官方的高级 API,并且它的开发人员已经大大简化和清理了 API 的其余部分。文档也已完全重新组织,现在可以更轻松地找到所需的内容。类似地,PyTorch 的主要弱点(例如,有限的可移植性和没有计算图分析)在 PyTorch 1.0 中得到了很大程度的解决。良性竞争对每个人都有好处。

好了,是时候写代码了!由于 tf.keras 与 TensorFlow 捆绑在一起,让我们从安装 TensorFlow 开始。

腾讯云服务器 阿里云服务器
关注微信
^