深度学习的框架比较（2）

上次提到Tensorflow在深度学习框架中的“霸主地位”，这次我们来谈一下其他小众一些的学习框架。

     首先，我们来说Keras，Keras是神经网络的高层API，Keras由Python编写而成，可基于Tensorflow、Theano和CNTK后端。Keras中有两类深度学习模型：序列（Sequential)式模型和函数（Functional）式模型。

    序列式模型采用线性叠加的方式增加层，具体model.add来实现，这种方式比较简单。它是函数式模型的一个子类。函数式模型可以用来实现一些比较复杂的模型，如多个输入或输出的模型，它的添加层是通过model.layer来实现的。这两种模型的实际步骤基本相同，通常包括以下步骤：

第一步，构造数据：定义输入数据。

第二步，构造模型(model.add,或model.layers):确定各个变量之间的计算关系。

第三步，编译模型（model.compile):编译已确定其内部细节。

第四步，训练模型（model.fit)导入数据，训练模型。

第五步，评估或测试模型(model.evaluate).

第六步，保存模型。

例子，实现CNN结构

    这两种模型的架构主要区别：序列式模型的网络结构比较简单，一个输入一个输出，函数式模型可以多个输入对应多个输出。

         Keras的函数模型网络结构图

Keras是一款非常友好的机器学习框架，简单易学，如果你是不打算对神经网络内部结构深入了解，推荐学习keras。

Keras通常有两种安装方式，一种是通过pip安装，一种是通过anaconda安装。不过，建议大家用pip安装，anaconda不稳定，不一定安装得上。

·end·

请扫描二维码

关注我们吧