创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！

创新互联建站专注为客户提供全方位的互联网综合服务，包含不限于成都网站建设、成都网站制作、南木林网络推广、微信平台小程序开发、南木林网络营销、南木林企业策划、南木林品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们大的嘉奖；创新互联建站为所有大学生创业者提供南木林建站搭建服务，24小时服务热线：18982081108，官方网址：www.cdcxhl.com

这篇文章将为大家详细讲解有关用Keras如何构造简单的CNN网络，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

1. 导入各种模块

基本形式为：

import 模块名

from 某个文件 import 某个模块

2. 导入数据（以两类分类问题为例，即numClass = 2）

训练集数据data

可以看到，data是一个四维的ndarray

训练集的标签

3. 将导入的数据转化我keras可以接受的数据格式

keras要求的label格式应该为binary class matrices，所以，需要对输入的label数据进行转化，利用keras提高的to_categorical函数

label = np_utils.to_categorical(label, numClass

此时的label变为了如下形式

（注：PyCharm无法显示那么多的数据，所以下面才只显示了1000个数据，实际上该例子所示的数据集有1223个数据）

4. 建立CNN模型

以下图所示的CNN网络为例

#生成一个model
model = Sequential()
 
#layer1-conv1
model.add(Convolution2D(16, 3, 3, border_mode='valid',input_shape=data.shape[-3:]))
model.add(Activation('tanh'))#tanh
 
# layer2-conv2
model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh
 
# layer3-conv3
model.add(Convolution2D(32, 3, 3, border_mode='valid'))
model.add(Activation('tanh'))#tanh
 
# layer4
model.add(Flatten())
model.add(Dense(128, init='normal'))
model.add(Activation('tanh'))#tanh
 
# layer5-fully connect
model.add(Dense(numClass, init='normal')) 
model.add(Activation('softmax'))

# 
sgd = SGD(l2=0.1,lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd,class_mode="categorical")

本文标题：用Keras如何构造简单的CNN网络-创新互联
分享路径：http://kswsj.cn/article/deioih.html