@زنولابیدینعلی شریف
مدیر در NotATether.com ، توسعه دهنده در صنایع ChainWorks و کارآفرین آنلاین
Keras چیست و چرا مفید است؟
Keras یک چارچوب یادگیری عمیق برای پایتون برای ساخت شبکه های عصبی و آموزش آنها در مجموعه داده ها است. این می تواند از GPU ها و همچنین CPU ها برای اجرای الگوریتم های آموزش استفاده کند. خواهیم دید که چگونه یک مجموعه داده را تعریف کنیم و یک شبکه عصبی برای طبقه بندی آن در زمان واقعی ایجاد کنیم.
در کراس می توانید تعریف کنید تنسور، داده های چند بعدی ، که می توانید آنها را در لایه ورودی ، لایه خروجی یا لایه های پنهان قرار دهید. سنسورها یک روش ریاضی برای نمایش داده های خودسرانه و بدون نیاز به توسل به ساختارهای پیچیده علوم رایانه مانند آرایه ها هستند. Keras روشهایی را برای تعریف سنسورها تعریف می کند تا از آنها به عنوان لایه های ورودی و میانی استفاده شود.
نحوه ایجاد لایه ها
در اینجا نحوه راه اندازی و واردات Keras در محیط خود آورده شده است:
این زیرمدول هایی که به تازگی وارد شده اند پشتیبانی برای ایجاد مدل ها ، لایه ها و بهینه سازها را ارائه می دهند (بعداً در مورد بهینه سازها بعداً اطلاعات کسب کنید)
در این مرحله دو روش برای افزودن لایه به مدل وجود دارد. یکی از این موارد استفاده از لایه های پی در پی استفاده از آن است
models.Sequential()، اصطلاحاً به این دلیل که این کلاس هر لایه را به ترتیب با استفاده از یک خاص اضافه می کند
add()روش داخل مدل برگشتی:
خطوط دوم و سوم دو …