keras初涉笔记【一】

安装keras依赖的库

1 sudo pip install numpy
2 sudo pip install scipy
3 sudo pip installl pyyaml
4 sudo pipi install HDF5,h5py

注意scipy是依赖numpy的

安装keras

1 sudo pip install kera

安装TensorFlow作为后端（backend),Theano同理

sudo pip install TensorFlo

或者采用清华大学的镜像

CPU版本

1 sudo pip3 install   -i https://pypi.tuna.tsinghua.edu.cn/simple/   TensorFlow

GPU版本

pip install 
  -i https://pypi.tuna.tsinghua.edu.cn/simple/ 
  https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.5.0-cp35-cp35m-linux_x86_64.whl

以上是安装keras和TenforFlow的步骤，我使用的elementray os 直接安装成功

————————————————————————————————————————————————————————————————————————————————

下面是keras的基础

张量的阶数是纬度或者是轴，来自Axis

例如：

[[1,2],[3,4]]

是二阶张量，两个纬度（我所理解的是横竖，即坐标轴，不过轴的方向不同。）

沿着0轴（因为Python中索引从0开始）

[1,2]

[3,4]

沿着1轴

[1,3]

[2,4]

当keras使用tensorflow为后端的时候，如果计算机有可用GPU时会自动调用GPU,

若使用Theano为后端支持的时候，可以使用语句更改，官方文档中有三种

我感觉最合适的是在代码前面加上：

1 import theano
2 theano.config.device ='gpu'
3 theano.config.floatX='float32'

keras模型的保存和重新实例化

保存

1 model.save(filepath)

filepath应该包括fileename,如filename.h5

保存在一个HDF5文件中

包括：

1 模型结构，便于重构
2 模型权重
3 训练配置
4 优化器状态，便于从上次的位置开始

重新实例化模型

1 keras.model.load_model(filepath)

如果你只想保存结构，不包括配置信息，或者权重信息。这些文件甚至可以人为打开编辑。

1 #保存json
2 json_string=model.to_json()
3 
4 #保存为YAML
5 yaml_string=model.to_yaml(）

从上面文件中恢复

1 from keras.model import model_from_json
2 #from json
3 model = model_from_json(json_string)
4 
5 #from yaml
6 from keras.model import model_from_yaml
7 
8 model = model_from_yaml(yaml_string)

保存权重

1 #save wights
2 model.save_weights('my_model_weights.h5')
3 
4 #若在代码中初始化一个相同的模型：
5 model.load_weights('my_load_wights.h5')
6 #加载权重到不同的网络结构中去,通过层名加载模型
7 model.load_weights('my_load_wights.h5',by_name=True)