手冊：keras中文文件
1.張量：一階張量是向量，二階張量是矩陣。
2.batch：
batch gradient descent,遍歷全部資料集算一次損失函式，然後算函式對各個引數的梯度，更新梯度。太慢。
stochastic gradient descent，每看乙個資料就算一下損失函式，然後求梯度更新引數。收斂效能不太好。
mini-batch gradient decent，把資料分為若干個批，按批來更新引數。
3.sequential模型：
需要指定第一層資料的shape:
model.add(dense(output_dim,input_dim)) #全連線層
keras中輸入多為(nb_samples, input_dim)的形式：即(樣本數量，輸入維度)。
#使用list的形式加層
model=sequential([
dense(32,units=784),activation('relu'),
dense(10),activation('softmax'),
或者model.add(dense(32, input_shape=(784,)))
model.add(activation('relu'))
one_hot_labels = keras.utils
.to_categorical(labels, num_classes=10)
參考文件：
優化器optimizers
最優化方法
如何選取optimizer
②參考文件目標函式objectives
訓練：以numpy陣列作為輸入資料和標籤的資料型別
keras學習筆記1 Keras模組概述
keras主要包括14個模組，本文主要對models layers initializations activations objectives optimizers preprocessing metrics共計8個模組分別展開介紹，並通過乙個簡單的bp神經網路說明各個模組的作用。1.model ...
Keras學習筆記（二）Keras模型的建立
在keras中設定了兩類深度學習模型，區別在於不同的拓撲結構 序列模型 sequential類 通用模型 model類 一 序列模型 方法一 一次性定義層 from keras.models import sequential from keras.layers import dense,activ...
深度學習 Keras框架學習筆記
看了很多前輩對深度學習框架的介紹，雖然很多新人會用tensorflow，但是keras 更加簡單精簡，更受深度學習初學者的青睞。keras是乙個高層神經網路api，keras由純python編寫而成並基tensorflow theano以及cntk後端。keras在以下場景會大放異彩 網路層 損失函...