如何在Python中使用Keras编译构建的序列模型？

Keras 在希腊语中表示“角”，是作为ONEIROS(开放式神经电子智能机器人操作系统)项目的一部分开发出来的。Keras 是一个用 Python 编写的深度学习 API。它是一个高层次的 API，具有有生产性接口，有助于解决机器学习问题。

它运行在 Tensorflow 框架之上，旨在帮助快速实验。它提供了必要的抽象和构建块，这些块在开发和封装机器学习解决方案时是必不可少的。

它具有高度可扩展性和跨平台功能。这意味着 Keras 可以在 TPU 或 GPU 集群上运行。Keras 模型也可以导出到 Web 浏览器或移动电话上运行。

在 Tensorflow 包中已经包含了 Keras，可以使用以下代码来访问。

import tensorflow
from tensorflow import keras

Tensorflow 是谷歌提供的机器学习框架。它是一个开源框架，与 Python 一起使用来实现算法、深度学习应用等。它用于研究和生产目的。

Keras 函数式 API 可以创建比使用顺序 API 创建的模型更加灵活的模型。函数式 API 可以处理具有非线性拓扑的模型，可以共享层并处理多个输入和输出。深度学习模型通常是具有多个层的有向无环图 (DAG)。函数式 API 有助于构建层的图表。

我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 可以在浏览器中运行 Python 代码，不需要配置，免费访问 GPU (图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。以下是使用 Keras 编译构建的序列模型的代码片段−

更多Python相关文章，请阅读：Python 教程

例子

print("正在编译模型")
model.compile(
   optimizer=keras.optimizers.RMSprop(1e-3),
   loss=[
      keras.losses.BinaryCrossentropy(from_logits=True),
      keras.losses.CategoricalCrossentropy(from_logits=True),
   ],
   loss_weights=[1.0, 0.2],
)

代码来源 – https://www.tensorflow.org/guide/keras/functional