keras用法

關於Keras的“層”（Layer）

所有的Keras層對象都有如下方法：

• layer.get_weights()：返回層的權重（numpy array）

• layer.set_weights(weights)：從numpy array中將權重加載到該層中，要求numpy array的形狀與* layer.get_weights()的形狀相同

• layer.get_config()：返回當前層配置信息的字典，層也可以借由配置信息重構:

Input(shape=None,batch_shape=None,name=None,dtype=K.floatx(),sparse=False,tensor=None)

Input():用來實例化一個keras張量

keras張量是來自底層后端（Theano或Tensorflow）的張量對象，我們增加了某些屬性，使我們通過知道模型的輸入和輸出來構建keras模型。

添加的keras屬性有：1)._keras_shape:整型的形狀元組通過keras-side 形狀推理傳播  2)._keras_history: 最后一層應用於張量，整個圖層的圖可以從那個層，遞歸地檢索出來。

#參數：

shape: 形狀元組（整型），不包括batch size。for instance, shape=(32,) 表示了預期的輸入將是一批32維的向量。

batch_shape: 形狀元組（整型），包括了batch size。for instance, batch_shape=(10,32)表示了預期的輸入將是10個32維向量的批次。

name: 對於該層是可選的名字字符串。在一個模型中是獨一無二的（同一個名字不能復用2次）。如果name沒有被特指將會自動生成。

dtype: 預期的輸入數據類型

sparse: 特定的布爾值，占位符是否為sparse

tensor: 可選的存在的向量包裝到Input層，如果設置了，該層將不會創建一個占位張量。

#返回

一個張量

#例子

x=Input(shape=(32,))

y=Dense(16,activation='softmax')(x)

model=Model(x,y)

 

keras里面一些常用的單元：

import keras.layers as KL

二維卷積：

KL.Conv2d()

KL.Activation()

Definition : Activation(self, activation, **kwargs)

舉例： x = KL.Activation('relu')(x)

KL.Add()

舉例：

x = KL.Add（）（shortcut,x）

ayer that adds a list of inputs.

It takes as input a list of tensors, all of the same shape, and returns a single tensor (also of the same shape).

Definition : KL.ZeroPadding2D(padding=(1, 1), data_format=None, **kwargs)

class BatchNorm(KL.BatchNormalization):
    """Extends the Keras BatchNormalization class to allow a central place
    to make changes if needed.

    Batch normalization has a negative effect on training if batches are small
    so this layer is often frozen (via setting in Config class) and functions
    as linear layer.
    """
    def call(self, inputs, training=None):
        """
        Note about training values:
            None: Train BN layers. This is the normal mode
            False: Freeze BN layers. Good when batch size is small
            True: (don't use). Set layer in training mode even when making inferences
        """
        return super(self.__class__, self).call(inputs, training=training)

 代碼：

對super(self.__calss__,self)中的self.__class__

self、 superclass 、 super

self ： 當前方法的調用者

class：獲取方法調用者的類對象

superclass：獲取方法調用者的父類對象

class BatchNorm(BatchNormalization):

Extends the Keras BatchNormalization class to allow a central place to make changes if needed.

Batch normalization has a negative effect on training if batches are small so this layer is often frozen (via setting in Config class) and functions as linear layer.