顺序模型 Sequential
配置学习过程 compile
# 多分类问题
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
# 二分类问题
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy'])
# 均方误差回归问题
model.compile(optimizer='rmsprop',
loss='mse')
# 自定义评估标准函数
import keras.backend as K
def mean_pred(y_true, y_pred):
return K.mean(y_pred)
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy', mean_pred])
优化器 optimizer
损失函数 loss
评估标准 metrics
模型保存和加载
# 创建 HDF5 文件 'my_model.h5'
model.save('my_model.h5')
# 保存为 JSON
json_string = model.to_json()
# 保存为 YAML
yaml_string = model.to_yaml()
#只保存/加载 模型的权重
model.save_weights('my_model_weights.h5')
model.load_weights('my_model_weights.h5')
model.load_weights('my_model_weights.h5', by_name=True)
del model # 删除现有模型
from keras.models import load_model
# 返回一个编译好的模型
# 与之前那个相同
model = load_model('my_model.h5')
