Kerasの基本

バージョン確認方法

モデルを作る

kerasでのモデルを作るのは非常に簡単です。
(シンプルなモデルなら)
簡単なフィードフォワードモデルは以下のように作ることができます。

keras.models.Sequential()でフィードフォワード型モデル(系列モデル)を定義し、後はそのモデルにadd()によって層を追加していくだけです。

モデルの概要を表示する(summary)

作成したモデルの概要はsummary()で確認することができます。

モデルの情報の取得

まず、今回用いるモデルを定義します。

モデルの全層の取得

モデルの層はlayersメソッドによって取得できます。

各層の取得

各層についてはlayersから単純に取得できます。
もしくはget_layerメソッドを使って取得できます。

各層の重みの取得

各層の重みは次のように取得できます。

学習モデルの保存と読み込み

保存

モデル自体の保存とパラメータの保存

読み込み

モデルの読み込み

活性化関数

様々な設定方法がありますが、活性化関数は各層を生成する時に設定できます。
例えば、

主な活性化関数

  • softmax
  • relu
  • sigmoid
  • linear
  • tanh
  • elu
  • selu
  • softplus
  • softsign
  • hard_sigmoid
活性化関数 - Keras Documentation

損失関数

損失関数はモデルのcompile時にloss変数によって設定できます。

もしくは、

主な設定できる損失関数

  • mean_squared_error:(mse):平均二乗誤差
  • mean_absolute_error:(mae):平均絶対誤差
  • binary_accuracy
損失関数 - Keras Documentation

評価関数

評価関数はモデルのcompile時にmetrics変数によって設定できます。

例えば以下のように

主な評価関数

  • accuracy
  • binary_accuracy
  • categorical_accuracy

最適化アルゴリズム

最適化アルゴリズムはモデルのcompile時にoptimizer変数によって設定できます。

例えば以下のように

主な最適化アルゴリズム

  • SGD: 確率的勾配降下法
  • RMSprop: RMSprop
  • Adam: Adam最適化
  • accuracy
  • binary_accuracy
  • categorical_accuracy
タイトルとURLをコピーしました