文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

python中怎么使用Keras进行回归运算

2023-06-30 12:35

关注

这篇文章主要介绍“python中怎么使用Keras进行回归运算”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“python中怎么使用Keras进行回归运算”文章能帮助大家解决问题。

什么是Keras

Keras是一个由Python编写的开源人工神经网络库,可以作Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化。

Keras相当于比Tensorflow和Theano更高一层的库,其可以以Tensorflow或者Theano为底层框架,以更加简洁、高效的方式添加代码。

在2018年Tensorflow 2.0.0公开后,Keras被正式确立为Tensorflow高阶API。

Keras中基础的重要函数

1、Sequential

Sequential又称为序贯模型。

序贯模型为最简单的线性、从头到尾的结构顺序,不分叉,是多个网络层的线性堆叠。

在利用Keras进行模型构建前,只需要用如下函数建立模型就够了。

model = Sequential()

此时便已经建立了一个按次序的模型,之后在往模型中添加层的时候,就是按照次序添加的。

2、Dense

Dense用于往Sequential中添加全连接层。全连接层示意图如下。(图片源自百度百科)

python中怎么使用Keras进行回归运算

具体而言,简单的BP神经网络中,输入层到隐含层中间的权值连接,其实与全连接层的意义相同。
在Keras中,如果需要往model中添加全连接层,可使用如下函数。

model.add(Dense(output_dim = 1,input_dim = 1))

此时表示输入维度为1,输出维度也为1。

3、model.compile

model.compile在Keras中的作用主要用于定义loss函数和优化器。

其调用方式如下:

model.compile(loss='mse', optimizer='sgd', metrics=['accuracy'])

其中loss用于定义计算损失的损失函数,其可以选择的内容如下:
1、mse:均方根误差,常用于回归预测。

categorical_crossentropy:亦称作多类的对数损失,注意使用该目标函数时,需要将标签转化为形如(nb_samples, nb_classes)的二值序列,常用于分类。

sparse_categorical_crossentrop:如上,但接受稀疏标签。

optimizer用于定义优化器,可以使用默认的,也可以从keras.optimizers导出。

其可以选择的内容可以参照Keras中文文档。上文中选择的是随机梯度下降法sgd。

metrics=[‘accuracy’]常用于分类运算中,本例子中不适用,accuracy代表计算分类精确度。

全部代码

该例子为一元线性回归例子。

import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense  ## 全连接层import matplotlib.pyplot as plt # 生成测试数据X = np.linspace(-1,1,200)np.random.shuffle(X)Y = 0.5*X + 2 + np.random.normal(0,0.05,(200,))# 划分训练集和测试集X_train,Y_train = X[:160],Y[:160]X_test,Y_test = X[160:],Y[160:]# startmodel = Sequential()model.add(Dense(output_dim = 1,input_dim = 1))# compilemodel.compile(loss = 'mse',optimizer = 'sgd')# 训练print("\ntraining")for step in range(2001):    cost = model.train_on_batch(X_train,Y_train)    if step%100 == 0:        print("tarin_cost:",cost)# 测试print("\nTest")cost = model.evaluate(X_test,Y_test,batch_size=40)W,b = model.layers[0].get_weights()print("Weights",W,"biaxes",b)# 预测结果Y = model.predict(X_test)plt.scatter(X_test,Y_test)plt.plot(X_test,Y)plt.show()

实现结果为:

tarin_cost: 4.506874tarin_cost: 0.21098542tarin_cost: 0.041809298tarin_cost: 0.013134768tarin_cost: 0.0055761375tarin_cost: 0.0035068158tarin_cost: 0.0029388934tarin_cost: 0.002783tarin_cost: 0.0027402083tarin_cost: 0.002728462tarin_cost: 0.0027252387tarin_cost: 0.0027243525tarin_cost: 0.0027241106tarin_cost: 0.0027240426tarin_cost: 0.002724025tarin_cost: 0.0027240203tarin_cost: 0.0027240184tarin_cost: 0.0027240182tarin_cost: 0.0027240175tarin_cost: 0.0027240175tarin_cost: 0.0027240175Test40/40 [==============================] - 0s 874us/stepWeights [[0.5041559]] biaxes [1.9961643]

python中怎么使用Keras进行回归运算

关于“python中怎么使用Keras进行回归运算”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注编程网行业资讯频道,小编每天都会为大家更新不同的知识点。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯