keras有兩種型別的模型，序貫模型（sequential）和函式式模型（model），函式式模型應用更為廣泛，序貫模型是函式式模型的一種特殊情況。
兩種模型的共同方法：
model.summary()：列印出模型概況，它實際呼叫的是keras.utils.print_summary
model.get_config():返回包含模型配置資訊的python字典。模型也可以從它的config資訊中重構回去
model.get_layer()：依據層名或下標獲得層物件
model.get_weights()：返回模型權重張量的列表，型別為numpy array
model.set_weights()：
從numpy array裡將權重載入給模型，要求陣列具有與model.get_weights()相同的形狀。
model.to_json：返回代表模型的json字串，僅包含網路結構，不包含權值。可以從json字串中重構原模型：
model.to_yaml：與model.to_json類似，同樣可以從產生的yaml字串中重構模型
常用sequential方法：詳細資訊參見：
add(self, layer)pop(self)
compile(self, optimizer, loss, metrics=none, sample_weight_mode=none)
fit(self, x, y, batch_size=32, epochs=10, verbose=1, callbacks=none, validation_split=0.0, validation_data=none, shuffle=true, class_weight=none, sample_weight=none, initial_epoch=0)
evaluate(self, x, y, batch_size=32, verbose=1, sample_weight=none)
predict(self, x, batch_size=32, verbose=0)
train_on_batch(self, x, y, class_weight=none, sample_weight=none)
test_on_batch(self, x, y, sample_weight=none)
predict_on_batch(self, x)
生成器 : fit_generator、evaluate_generator、predict_generator
Keras序貫模型
序貫模型 sequential model 是多個網路層的線性堆疊，也就是 一條路走到黑 但是不適合網路之間穿插情況或者多輸入多輸出情況。序貫模型有兩種方式構建網路 2.1簡單的漢堡式疊法 可以通過sequential模型傳遞乙個layer的list來構造序貫模型。兩種方式1.漢堡生成 model ...
Keras 序貫模型Sequential學習筆記
序貫模型是多個網路層的線性堆疊，也就是 一條路走到黑 1 通過sequential構建模型 可以通過向sequential模型傳遞乙個layer的list來構造該模型 匯入序貫模型 from keras.models import sequential 匯入神經網路前向傳播層結構和啟用函式 from...
時空序貫指示模擬和序貫高斯模擬的步驟
一 時空序貫指示模擬 1 每個樣點進行四次指示變換，小於那個閾值取1，否則取0 2 計算四次，得到四個理論變異函式 3 定義時空格網矩陣和隨機路徑 4 隨機取下一格網，對四個指示變數stok 5 概率值內插或外推，得累積概率分布，隨機取一值，作為已知點代入下一點模擬 6 所有時空網格是否完成模擬，是...