Keras如何构造简单的CNN网络

时间:2021-01-20 15:07:36

1. 导入各种模块

基本形式为:

import 模块名

from 某个文件 import 某个模块

2. 导入数据(以两类分类问题为例,即numClass = 2)

训练集数据data

Keras如何构造简单的CNN网络

可以看到,data是一个四维的ndarray

Keras如何构造简单的CNN网络

Keras如何构造简单的CNN网络

训练集的标签

Keras如何构造简单的CNN网络

Keras如何构造简单的CNN网络

3. 将导入的数据转化我keras可以接受的数据格式

keras要求的label格式应该为binary class matrices,所以,需要对输入的label数据进行转化,利用keras提高的to_categorical函数

label = np_utils.to_categorical(label, numClass

此时的label变为了如下形式

Keras如何构造简单的CNN网络

(注:PyCharm无法显示那么多的数据,所以下面才只显示了1000个数据,实际上该例子所示的数据集有1223个数据)

Keras如何构造简单的CNN网络  Keras如何构造简单的CNN网络

4. 建立CNN模型

以下图所示的CNN网络为例

Keras如何构造简单的CNN网络

#生成一个model
model = Sequential() #layer1-conv1
model.add(Convolution2D(16, 3, 3, border_mode='valid',input_shape=data.shape[-3:]))
model.add(Activation('tanh'))#tanh # layer2-conv2
model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh # layer3-conv3
model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh # layer4
model.add(Flatten())
model.add(Dense(128, init='normal'))
model.add(Activation('tanh'))#tanh # layer5-fully connect
model.add(Dense(numClass, init='normal'))
model.add(Activation('softmax'))
#  
sgd = SGD(l2=0.1,lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd,class_mode="categorical")

5. 开始训练model

利用model.train_on_batch或者model.fit