1. 图像处理API
1. ImageDataGenerator
-
作用
利用图像增强,解决样本集过少的问题,提高模型的泛化能力
2. 模型构建API
1. keras.module
1. Sequantial[class]
- 基本功能 堆叠式的网络,每层顺序连接
- 参数和返回值
keras.Sequential(layers,name=NOne)
- layers: List<layer> 各层的堆叠
2. summary()
2. compile()-构建模型
- loss-定义损失函数
- optimizer-定义优化器
- metrics-定义评价指标,正确率等 可以查看网络结构
2. keras.layer
- Conv2D()-2维的卷积层
- MaxPooling()-最大池化层
- Flatten()-将矩阵拉伸为向量 将多维的数据一维化,常常用在卷积层核全连接层之间实现过度,不会影响batchsize的大小
- dense()-全连接网络层
model.fit()-训练模型
1.方法定义
fit(
x=None,# 输入
y=None, # 输出
batch_size=None,# 每个批次的样本数,默认值32
epochs=1,# 训练多少个epoch
verbose='auto',
callbacks=None,
validation_split=0.0,
validation_data=None,
shuffle=True,
class_weight=None,
sample_weight=None,
initial_epoch=0,
steps_per_epoch=None,
validation_steps=None,
validation_batch_size=None,
validation_freq=1,
max_queue_size=10,
workers=1,
use_multiprocessing=False
)
