第3章 上手Keras

前兩章介紹了機器學(xué)習(xí)的基本概念，并通過Python代碼手動實現(xiàn)了簡單的梯度下降神經(jīng)網(wǎng)絡(luò)。可以看到，盡管神經(jīng)網(wǎng)絡(luò)的代碼實現(xiàn)并不是特別復(fù)雜，但當(dāng)我們的層數(shù)增多并需要定義不同的參數(shù)和算法實現(xiàn)時，就不能再靠原生的Python代碼去實現(xiàn)了。無論是對于學(xué)術(shù)研究還是對于工業(yè)級開發(fā)，都需要一個封裝了不同的網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)配置、算法實現(xiàn)的機器學(xué)習(xí)開發(fā)框架，才能在這基礎(chǔ)上進(jìn)行真正的工作。

截至2019年10月，比較流行的機器學(xué)習(xí)開發(fā)框架包括TensorFlow、Keras、PyTorch、MXNet等。本書主要介紹基于Keras的機器學(xué)習(xí)開發(fā)，因此在本章首先介紹Keras，方便大家在后續(xù)的章節(jié)中進(jìn)行學(xué)習(xí)和實戰(zhàn)。

本章盡管代碼不少，但基本上是作為對圖表及概念的補充和說明，不要求讀者必須運行。