| 失效链接处理 |
|
Keras中文手册 PDF 下载
本站整理下载：
提取码：s71i
相关截图：
主要内容：
Keras:基于Theano和TensorFlow的深度学习库
这就是Keras
Keras是一个高层神经网络库，Keras由纯Python编写而成并基Tensorflow或Theano。Keras 为支持快
速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：
简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）
支持CNN和RNN，或二者的结合
支持任意的链接方案（包括多输入和多输出训练）
无缝CPU和GPU切换
Keras适用的Python版本是：Python 2.7-3.5
Keras的设计原则是
模块性：模型可理解为一个独立的序列或图，完全可配置的模块以最少的代价自由组合在一起。具
体而言，网络层、损失函数、优化器、初始化策略、激活函数、正则化方法都是独立的模块，你可
以使用它们来构建自己的模型。
极简主义：每个模块都应该尽量的简洁。每一段代码都应该在初次阅读时都显得直观易懂。没有黑
魔法，因为它将给迭代和创新带来麻烦。
易扩展性：添加新模块超级简单的容易，只需要仿照现有的模块编写新的类或函数即可。创建新模
块的便利性使得Keras更适合于先进的研究工作。
与Python协作：Keras没有单独的模型配置文件类型（作为对比，caffe有），模型由python代码描
述，使其更紧凑和更易debug，并提供了扩展的便利性。
Keras从2015年3月开始启动，经过一年多的开发，目前Keras进入了1.0的时代。Keras 1.0依然遵循相
同的设计原则，但与之前的版本相比有很大的不同。如果你曾经使用过此前的其他版本Keras。你或许
会关心1.0的新特性。
泛型模型：简单和强大的新模块，用于支持复杂深度学习模型的搭建。
更优秀的性能：现在，Keras模型的编译时间得到缩短。所有的RNN现在都可以用两种方式实现，
以供用户在不同配置任务和配置环境下取得最大性能。现在，基于Theano的RNN也可以被展开，
以获得大概25%的加速计算。
测量指标：现在，你可以提供一系列的测量指标来在Keras的任何监测点观察模型性能。
更优的用户体验：我们面向使用者重新编写了代码，使得函数API更简单易记，同时提供更有效的
出错信息。
新版本的Keras提供了Lambda层，以实现一些简单的计算任务。
...
如果你已经基于Keras0.3编写了自己的层，那么在升级后，你需要为自己的代码做以下调整，以
在Keras1.0上继续运行。请参考编写自己的层
关于Keras-cn
本文档是Keras文档的中文版，包括keras.io的全部内容，以及更多的例子、解释和建议，目前，文档
的计划是：
1.x版本：现有keras.io文档的中文翻译，保持与官方文档的同步
2.x版本：完善所有【Tips】模块，澄清深度学习中的相关概念和Keras模块的使用方法
3.x版本：增加Keras相关模块的实现原理和部分细节，帮助用户更准确的把握Keras，并添加更多
的示例代码
现在，keras-cn的版本号将简单的跟随最新的keras release版本
由于作者水平和研究方向所限，无法对所有模块都非常精通，因此文档中不可避免的会出现各种错误、
疏漏和不足之处。如果您在使用过程中有任何意见、建议和疑问，欢迎发送邮件
到moyan_work@foxmail.com与我取得联系。
您对文档的任何贡献，包括文档的翻译、查缺补漏、概念解释、发现和修改问题、贡献示例程序等，均
会被记录在致谢，十分感谢您对Keras中文文档的贡献！
同时，也欢迎您撰文向本文档投稿，您的稿件被录用后将以单独的页面显示在网站中，您有权在您的网
页下设置赞助二维码，以获取来自网友的小额赞助。
如果你发现本文档缺失了官方文档的部分内容，请积极联系我补充。
本文档相对于原文档有更多的使用指导和概念澄清，请在使用时关注文档中的Tips，特别的，本文档的
额外模块还有：
一些基本概念：位于快速开始模块的一些基本概念简单介绍了使用Keras前需要知道的一些小知
识，新手在使用前应该先阅读本部分的文档。
Keras安装和配置指南，提供了详细的Linux和Windows下Keras的安装和配置步骤。
深度学习与Keras：位于导航栏最下方的该模块翻译了来自Keras作者博客keras.io和其他Keras相关
博客的文章，该栏目的文章提供了对深度学习的理解和大量使用Keras的例子，您也可以向这个栏
目投稿。 所有的文章均在醒目位置标志标明来源与作者，本文档对该栏目文章的原文不具有任何处
置权。如您仍觉不妥，请联系本人（moyan_work@foxmail.com）删除。
当前版本与更新
如果你发现本文档提供的信息有误，有两种可能：
你的Keras版本过低：记住Keras是一个发展迅速的深度学习框架，请保持你的Keras与官方最新
的release版本相符
我们的中文文档没有及时更新：如果是这种情况，请发邮件给我，我会尽快更新
目前文档的版本号是1.1.2，对应于官方的1.1.2 release 版本, 本次更新的主要内容是：
增加了一种卷积层： SpatialCovolution1D
增加了用于简单介绍Keras example的文档,这部分文档将在未来逐渐丰富
增加了若干后端函数
修正了一些文档错误
注意，keras在github上的master往往要高于当前的release版本，如果你从源码编译keras，可能某些模
块与文档说明不相符，请以官方Github代码为准
快速开始：30s上手Keras
Keras的核心数据结构是“模型”，模型是一种组织网络层的方式。Keras中主要的模型是Sequential模
型，Sequential是一系列网络层按顺序构成的栈。你也可以查看泛型模型来学习建立更复杂的模型
Sequential模型如下
from keras.models import Sequential
model = Sequential()
将一些网络层通过 .add() 堆叠起来，就构成了一个模型：
from keras.layers import Dense, Activation
model.add(Dense(output_dim=64, input_dim=100))
model.add(Activation("relu"))
model.add(Dense(output_dim=10))
model.add(Activation("softmax"))
完成模型的搭建后，我们需要使用 .compile() 方法来编译模型：
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
