深度学习框架Keras介绍及实战_keras怎么安装资源-CSDN文库

102 浏览量 2021-01-27 13:20:35 上传评论收藏 71KB PDF 举报

资源详情

资源评论

资源推荐

深度学习框架深度学习框架Keras介绍及实战介绍及实战

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发

重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

本文以Kaggle上的项目:IMDB影评情感分析为例,学习如何用Keras搭建一个神经网络,处理实际问题.阅读本文需要对神经网络

有基础的了解.

文章分为两个部分:

Keras中的一些基本概念.Api用法.我会给出一些简单的使用样例,或是给出相关知识链接.

IMDB影评情感分析实战.用到的都是第一部分中讲到的知识点.

Model

Dense 全连接层

嵌入层 Embedding

有兴趣的看这个链接

其实就是word to vector。这一层的作用就是得到用词向量表示的文本.

input_dim: 词表的大小.即不同的词的总个数.

output_dim:想要把词转换成多少维的向量.

input_length: 每一句的词的个数

比如如下代表:我们输入一个M*50的矩阵,这个矩阵中不同的词的个数为200,我们想把每个词转换为32维向量. 返回的是一个

(M,50,32)的张量.

一个句子50个词,每个词是32维向量,共M个句子. 所以是e.shape=(M,50,32)

LSTM层.

LSTM是循环神经网络的一种特殊情况 .

简单来说,我们此前说过的神经网络,包括CNN,都是单向的,没有考虑序列关系,但是某个词的意义与其上下文是有关的,比如"我

用着小米手机,吃着小米粥",两个小米肯定不是一个意思.在做语义分析的时候,需要考虑上下文. 循环神经网络RNN就是干这个

事情的.或者说"这部电影质量很高,但是我不喜欢".这个句子里既有正面评价,又有负面评价,参考上下文的LSTM会识别出"但

是"后面的才是我们想要重点表达的.

池化层

keras.layers.pooling.GlobalMaxPooling1D() #对时间信号的全局最大池化 https://stackoverflow.com/

questions/43728235/what-is -the-difference-between -keras-maxpooling1d-and- globalmaxpooling1d-functi>

input:形如（ samples， steps， features）的3D张量

output:形如(samples, features)的2D张量

keras.layers.pooling.MaxPooling1D (pool_size=2, strides=None, pad

ding='valid')

keras.layers.pooling.MaxPooling2D (pool_size=(2, 2), strides=None

, padding='valid', data_format=None)

keras.layers.pooling.MaxPooling3D (pool_size=(2, 2, 2), strides=N

one, padding='valid', data_format=None)

....

数据预处理

文本预处理

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

评论0

内容反馈

weixin_38559569

粉丝: 3
资源: 948

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip