Keras R语言接口正式发布，同时公开20个完整示例

本篇文章2114字，读完约5分钟

雷锋的人工智能技术评论新闻，keras r语言界面正式发布，20个完整的例子在同一时间发表。

keras简介

Keras是一个高级神经网络api，它的诞生是为了支持快速实验。目前，其主要功能如下:

支持相同的代码在cpu或gpu上无缝运行

用户友好且易于快速的原型深度学习模型

它支持计算机视觉中的卷积网络、序列处理中的循环网络以及这两种网络的任意组合

支持任何网络架构:多段输入或多段输出模型、层共享、模型共享等。这意味着keras本质上适用于构建任意深度学习模型(从记忆网络到神经图灵机)

兼容各种运行后端，如张量流、cntk和antano

如果你已经熟悉keras，并且想立即体验最新的R语言界面，请点击以下网站:keras.rstudio。这里有20多个完整的例子。我相信你需要一些东西。

接下来是关于keras的更多信息以及发布keras的R语言接口的意义。

Keras和深度学习

在过去的几年里，人们对深度学习的兴趣迅速增长，同时出现了几种深度学习的框架。在所有框架中，keras因其在生产率、灵活性和用户友好性方面的优势而脱颖而出。同时，tensorflow作为下一代机器学习平台，非常灵活，适合产品部署。

毫不奇怪，keras和tensorflow正在逐渐超越其他深度学习框架。

现在，你不必担心选择张量流或keras。keras的默认后端通过张量流工作流支持张量流和keras的无缝集成。今年晚些时候，keras可以通过更深层次的整合完全实现与tensorflow的无缝连接。

Keras和tensorflow是目前最热门的深度学习框架。有了新发布的keras包，您可以通过使用R接口同时访问这两个框架。

使用说明

装置

首先，从cran的kerasr软件包安装，如下所示:

install . packages(“keras”)

Kerasr接口默认使用tensorflow后端引擎。使用以下install_keras()函数安装核心keras库和张量流后端:

图书馆(keras)

install_keras()()

默认情况下，该函数基于cpu安装keras和tensorflow。如果您想要自定义安装，例如使用NVIDIA gpu，您可以查看install_keras()函数的详细文档。

mnist示例

我们可以通过实现一个简单的例子来学习keras的基本知识:从mnist数据集中识别手写数字。Mnist由手写数字的28x 28灰度图像组成，如下图所示:

数据集包含每个图像的标签，告诉我们它是哪个数字。例如，上述图像中的标签分别为5、0、4和1。

准备数据

mnist数据集包含在keras中，可以通过使用dataset_mnist()函数获得。在这个例子中，我们首先下载数据集，然后为测试和训练数据创建变量。

图书馆(keras)

mni ST x _ train y _ train x _ test y _ test x数据是灰度值(图像、宽度、高度)的三维数组。为了准备训练数据，通过将宽度和高度转换成一维，将三维阵列转换成矩阵(28x28图像被简化成784矢量)。然后，我们将值为0到255的整数之间的灰度值转换为0到1之间的浮点值。

#重塑

dim(x_train) dim(x_test) #重新缩放

X_train x_test y数据是一个0到9之间的整数向量。为了准备训练数据，我们使用keras to _ classic()函数，并使用一种热编码方法将向量转换为二进制类矩阵:

Y_train y_test定义模型

我们首先创建一个顺序模型，然后使用管道(%-%)操作符添加层。

型号型号%>%

层_密集(单位= 256，激活= relu，输入_形状= c(784)) %>%

layer _ dropout(速率= 0.4) %>%

layer _ density(单位= 128，激活= relu ) %>%

layer _ dropout(速率= 0.3) %>%

层_密集(单位= 10，激活= softmax)

使用summary()函数打印出模型的详细信息:

接下来，用适当的损失函数、优化器和指标来编译模型:

模型%>%编译(

损失=分类交叉熵，

optimizer = optimizer_rmsprop()，

度量= c(精确度)

(

培训和评估

使用fit()函数训练模型，时期为30，批量为128:

历史%适合度(

x火车，y火车，

时代= 30，批量= 128，

验证_分割= 0.2

(

历元每一步中的损耗和acc值可通过绘图(历史)得出:

通过测试数据评估模型性能；

模型%>%评估(x_test，y_test)

$损失

[1] 0.1149

$acc

[1] 0.9807

根据新数据生成预测值:

模型%>%预测类(x_test)

更多详情，请点击:keras.rstudio/

Keras软件包下载地址:起重机。r-项目/包= Keras

雷锋。(公开号码:雷锋。科技评论汇编。雷锋。原创

雷锋原创文章。严禁擅自转载。详情请参考转载说明。