安裝keras依賴的庫
1 sudo pip install numpy 2 sudo pip install scipy 3 sudo pip installl pyyaml 4 sudo pipi install HDF5,h5py
注意scipy是依賴numpy的
安裝keras
1 sudo pip install kera
安裝TensorFlow作為后端（backend),Theano同理
sudo pip install TensorFlo
或者采用清華大學的鏡像
CPU版本
1 sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ TensorFlow
GPU版本
pip install \ -i https://pypi.tuna.tsinghua.edu.cn/simple/ \ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.5.0-cp35-cp35m-linux_x86_64.whl
以上是安裝keras和TenforFlow的步驟，我使用的elementray os 直接安裝成功
————————————————————————————————————————————————————————————————————————————————
下面是keras的基礎
張量的階數是緯度或者是軸，來自Axis
例如：
[[1,2],[3,4]]
是二階張量，兩個緯度（我所理解的是橫豎，即坐標軸，不過軸的方向不同。）
沿着0軸（因為Python中索引從0開始）
[1,2]
[3,4]
沿着1軸
[1,3]
[2,4]
當keras使用tensorflow為后端的時候，如果計算機有可用GPU時會自動調用GPU,
若使用Theano為后端支持的時候，可以使用語句更改，官方文檔中有三種
我感覺最合適的是在代碼前面加上：
1 import theano 2 theano.config.device ='gpu' 3 theano.config.floatX='float32'
keras模型的保存和重新實例化
保存
1 model.save(filepath)
filepath應該包括fileename,如filename.h5
保存在一個HDF5文件中
包括：
1 模型結構，便於重構 2 模型權重 3 訓練配置 4 優化器狀態，便於從上次的位置開始
重新實例化模型
1 keras.model.load_model(filepath)
如果你只想保存結構，不包括配置信息，或者權重信息。這些文件甚至可以人為打開編輯。
1 #保存json 2 json_string=model.to_json() 3 4 #保存為YAML 5 yaml_string=model.to_yaml(）
從上面文件中恢復
1 from keras.model import model_from_json 2 #from json 3 model = model_from_json(json_string) 4 5 #from yaml 6 from keras.model import model_from_yaml 7 8 model = model_from_yaml(yaml_string)
保存權重
1 #save wights 2 model.save_weights('my_model_weights.h5') 3 4 #若在代碼中初始化一個相同的模型： 5 model.load_weights('my_load_wights.h5') 6 #加載權重到不同的網絡結構中去,通過層名加載模型 7 model.load_weights('my_load_wights.h5',by_name=True)