基於中文官方文件與英文官方文件的學習筆記，較系統的總結學習歷程。
keras的核心資料結構是「模型」，模型是一種組織網路層的方式。keras中主要的模型是sequential模型，sequential是一系列網路層按順序構成的棧。
# -*- coding: utf-8 -*-
"""created on sun jan 7 22:17:57 2018
keras快速上手
@author: brucewong
"""#匯入sequential模型
import keras
from keras.models import sequential,model
## generate dummy data
import numpy as np
x_train = np.random.random((1000, 20))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)
x_test = np.random.random((100, 20))
y_test = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)
model = sequential()
#model.add()
#將一些網路通過.add()堆疊起來，就構成乙個完整的模型
from keras.layers import dense,activation
#model.add(dense(units = 64,input_dim = 20)) #輸入維度input_dim，指x資料的維度，列的數量
model.add(dense(units = 64,input_shape = (20,)))#輸入維度input_dim
model.add(activation('relu'))
model.add(dense(units = 10))
model.add(activation('softmax'))
#完成模型的搭建後，我們需要使用.compile()方法來編譯模型
model.compile(loss='categorical_crossentropy',optimizer = 'sgd',metrics = ['accuracy'])
#編譯模型時必須指明損失函式和優化器，如果你需要的話，也可以自己定製損失函式。
#完成編譯後，在訓練資料集上按batch進行一定次數的迭代來訓練網路
model.fit(x_train,y_train,epochs=5,batch_size = 32)
'''#也可以手動乙個個batch的資料送人網路中訓練：
#model.train_on_batch(x_batch,y_batch)
'''#隨後可以對模型進行評估：
loss_and_metrics = model.evaluate(x_test,y_test,batch_size = 128)
#或者對新的資料進行**：
classes = model.predict(x_test,batch_size = 128)
Hugo中文文件 快速開始
1.二進位制安裝 推薦 簡單 快速 mac下直接使用homebrew安裝 brew install hugo2.原始碼安裝 原始碼編譯安裝，首先安裝好依賴的工具 設定好gopath環境變數，獲取原始碼並編譯 如果需要更新所有hugo的依賴庫，增加 u引數 go get u v github.com ...
react 中文文件學習筆記（一）
function tick setinterval tick,1000 定時器，setinterval tick,1000 每一秒重新整理一次。class welcome extends react.component function welcome props const element rea...
golang中文文件 Golang學習筆記
最近在學習go語言，花了兩周看完了 the go programming language 和 go in action 並看了乙個原始碼，訊息佇列 nsq。以便更好地掌握這門語言。現在深入了解golang標準庫的內容和一些原始碼的實現。學習的過程中記錄golang的知識點，以便以後鞏固知識點。1 ...