如何使用 Keras 库进行深度学习?

步骤 1：导入库

import keras

步骤 2：定义模型结构

model = keras.Sequential([
    # 输入层
    keras.Input(shape=(28, 28, 1)),

    # 卷积层 1
    keras.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    keras.MaxPooling2D((2, 2)),

    # 卷积层 2
    keras.Conv2D(64, (3, 3), activation='relu'),
    keras.MaxPooling2D((2, 2)),

    # 全连接层
    keras.Dense(128, activation='relu'),
    keras.Dense(10, activation='softmax')
])

步骤 3：编译模型

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

步骤 4：训练模型

model.fit(x_train, y_train, epochs=10)

步骤 5：评估模型

loss, accuracy = model.evaluate(x_test, y_test)
print('Loss:', loss)
print('Accuracy:', accuracy)

完整代码示例

import keras

# 定义模型结构
model = keras.Sequential([
    keras.Input(shape=(28, 28, 1)),
    keras.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    keras.MaxPooling2D((2, 2)),
    keras.Conv2D(64, (3, 3), activation='relu'),
    keras.MaxPooling2D((2, 2)),
    keras.Dense(128, activation='relu'),
    keras.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=10)

# 评估模型
loss, accuracy = model.evaluate(x_test, y_test)
print('Loss:', loss)
print('Accuracy:', accuracy)

注意：

• x_train 和 y_train 是训练数据。
• x_test 是测试数据。
• epochs 是训练轮数。
• loss 是模型在训练过程中计算的损失值。
• accuracy 是模型在训练过程中计算的准确率。