Keras 入门课0 -- 目录

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/tsyccnh/article/details/78866080

Keras 入门课0 – 目录

网络上Keras入门的课程或教程都有很多，基本上都是一些最简单的例子，而自己真正去使用的时候，发现需要学习的内容还有很多，看官方文档的时候，效率也是比较低下的。所以才有了这个系列的课程。通过一些例子，逐渐深入的去学习Keras，每节课一个例子，遇到的新的知识点都会拿出来进行分析。这样就会形成一个知识点目录，之后想使用某个知识点的时候，可以很方便的根据知识点进行回看，查询对应的example，这样对于一些方法的使用和拓展都有很大的好处。

本系列主要针对一些Keras官方的一些examples来学习Keras的使用。课程使用的例子多数来自这里 https://github.com/keras-team/keras/tree/master/examples

官方给的examples有一些地方和最新的Keras版本不符合，我都相应做了修改。同时有一些累赘的地方也加了一些修改，删除。尽可能在每一课中做到代码清晰易懂，不重复。

课程1~6主要讲的就是CNN的一些实用操作，如果这个系列大家看着还好，以后可能还会出RNN系列

本系列课程代码，欢迎star：
https://github.com/tsycnh/Keras-Tutorials

文章目录

1. Keras入门课1 – 用MLP识别mnist手写字符
2. Keras入门课2 – 使用CNN识别mnist手写数字
3. Keras入门课3 – 使用CNN识别cifar10数据集
4. Keras入门课4 – 使用ResNet识别cifar10数据集
5. Keras入门课5 – 网络可视化及训练监控
6. Keras入门课6 – 使用Inception V3模型进行迁移学习

知识点目录

点击对应知识点可以直接跳转到指定文章，方便速查

数据处理相关

1. 载入Keras中预置的数据库及数据库数据的基本变换
2. 根据不同的模型数据要求，给原始数据图像增加维度
3. 使用Keras内置的ImageDataGenerator来做数据增强
4. 使用自己的数据样本进行训练

模型相关（Model）

1. Sequential模型的定义，以及如何添加层
2. 另一种使用Sequential()构建模型的方法，更加的简单快捷
3. 使用函数式模型（Functional）更加自由的构建模型
4. 将通过Functional方式定义的层初始化为一个模型（Model）
5. 使用compile对网络进行配置
6. 使用fit方法来对小数据库进行训练，这里的小数据库指的是所有数据可以一次性载入到内存
7. 使用fit_generator来进行针对增强数据的训练
8. 使用evaluate方法来对模型进行效果评估
9. 保存模型

网络层相关（Layers）

1. 如何对Dense层及Dropout层进行基本的配置
2. Conv2D卷积层和MaxPooling2D池化层的使用
3. 使用keras.layers.add方法，将两个一模一样的张量进行相加
4. 如何设置网络层的参数为不可训练
5. 使用GlobalAveragePooling2D规整网络输出
6. 在预置模型顶部添加新的层

经典网络

1. 搭建一个精简版的ResNet网络
2. 加载Keras预置的经典模型

训练技巧

1. 在训练中调用回调函数
2. 使用LearningRateScheduler在训练过程中动态的调节学习率
3. 使用ModelCheckpoint保存checkpoint
4. 使用ReduceLROnPlateau在训练进入平台期的时候动态调节学习率
5. 两种常用迁移学习方法（tranfer learning,fine tune)及训练技巧

其他

1. 何用TensorBoard监控训练过程
2. 如何保存网络结构图