深度學(xué)習(xí)應(yīng)用開發(fā) 課件 cha3 3-Keras建模流程

目錄1Keras建模流程介紹01任務(wù)Keras建模具體流程02任務(wù)1Keras建模流程介紹1Keras建模流程介紹深度學(xué)習(xí)框架Keras是像搭積木般構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，主要分為6個(gè)部分，每個(gè)部分只需調(diào)用kerasAPI函數(shù)就能實(shí)現(xiàn)。使用keras框架建模流程通常包括：（1）數(shù)據(jù)預(yù)處理：獲取并預(yù)處理訓(xùn)練數(shù)據(jù)；（2）建立模型：定義由網(wǎng)絡(luò)層組成的網(wǎng)絡(luò)或模型，將輸入數(shù)據(jù)映射成目標(biāo)；（3）編譯模型：配置訓(xùn)練過(guò)程參數(shù)，包括損失函數(shù)、優(yōu)化器、模型評(píng)估指標(biāo)；（4）訓(xùn)練模型：調(diào)用函數(shù)在訓(xùn)練數(shù)據(jù)上進(jìn)行迭代，更新模型權(quán)重；（5）評(píng)估模型：使用測(cè)試集或驗(yàn)證數(shù)據(jù)集，評(píng)估模型的性能是否達(dá)到要求；（6）模型預(yù)測(cè)：使用訓(xùn)練好的模型預(yù)測(cè)新的數(shù)據(jù)。2Keras建模具體流程2Keras建模具體流程（1）數(shù)據(jù)預(yù)處理在以深度學(xué)習(xí)為主的人工智能任務(wù)流程中，第一步要做的就是數(shù)據(jù)的處理，因?yàn)橛辛藬?shù)據(jù)，網(wǎng)絡(luò)模型才能夠訓(xùn)練，數(shù)據(jù)處理的步驟主要有以下幾個(gè)環(huán)節(jié)：數(shù)據(jù)采集數(shù)據(jù)標(biāo)注數(shù)據(jù)增強(qiáng)數(shù)據(jù)清洗數(shù)據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)的劃分在本課程的案例中，均使用keras數(shù)據(jù)集模塊加載相應(yīng)的數(shù)據(jù)集，然后進(jìn)行相應(yīng)的數(shù)據(jù)處理。2Keras建模具體流程（2）建立模型Keras框架中，有序列式和函數(shù)式兩種常用的建模方法。比如使用序列式API建模，代碼如下：使用model.add()給模型添加了一個(gè)Dense層，參數(shù)2表示該層神經(jīng)元的數(shù)量；一般層的添加順序即是各層連接的順序，也是數(shù)據(jù)流經(jīng)模型被處理的順序。2Keras建模具體流程（3）編譯模型定義好模型之后需要通過(guò)編譯（compile）來(lái)對(duì)學(xué)習(xí)過(guò)程進(jìn)行配置，模型編譯主要是設(shè)置各類參數(shù)包括：優(yōu)化器optimizer，損失函數(shù)loss，評(píng)估指標(biāo)metrics等。代碼如下：編譯的過(guò)程也是Keras將定義好的模型轉(zhuǎn)化為底層平臺(tái)（如TensorFlow）結(jié)構(gòu)描述過(guò)程，底層平臺(tái)會(huì)支持后續(xù)的計(jì)算任務(wù)，如GPU、CPU的調(diào)度選擇，分布式運(yùn)行等。2Keras建模具體流程（4）訓(xùn)練模型編譯后的模型可以使用model.fit()函數(shù)進(jìn)行訓(xùn)練，訓(xùn)練的過(guò)程就是通過(guò)測(cè)試數(shù)據(jù)來(lái)確定神經(jīng)元間連接權(quán)重（weight）的過(guò)程。訓(xùn)練過(guò)程需要指定訓(xùn)練數(shù)據(jù)、批量大小、訓(xùn)練代數(shù)等參數(shù)。代碼如下：2Keras建模具體流程（5）評(píng)估模型訓(xùn)練后的模型，需要對(duì)其性能進(jìn)行評(píng)估，以此來(lái)確定訓(xùn)練效果是否達(dá)到了預(yù)期。評(píng)估模型使用的函數(shù)是model.evalute()，該函數(shù)的參數(shù)x_test和y_test與model.fit()方法的數(shù)據(jù)類型是一樣的，一般會(huì)選擇用測(cè)試數(shù)據(jù)進(jìn)行評(píng)估。2Keras建模具體流程（6）模型預(yù)測(cè)模型預(yù)測(cè)是建模的最后一步，當(dāng)模型的性能評(píng)估達(dá)到要求后，就可以用訓(xùn)練好的模型在新的數(shù)據(jù)上進(jìn)行預(yù)測(cè)了。預(yù)