Deep Learning With Keras 简明教程

Deep Learning with Keras - Importing Libraries

我们首先导入项目代码所需的各种库。

Array Handling and Plotting

通常，我们将 numpy 用于数组处理并将 matplotlib 用于绘图。在我们的项目中，通过以下 import 语句导入了这些库

import numpy as np
import matplotlib
import matplotlib.pyplot as plot

Suppressing Warnings

由于 Tensorflow 和 Keras 会持续修改，如果您未在项目中同步它们的适当版本，在运行时您会看到许多警告错误。为了让您可以专心学习而不被这些错误分散注意力，我们将抑制该项目中的所有警告。这是通过以下几行代码完成的：

# silent all warnings
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
import warnings
warnings.filterwarnings('ignore')
from tensorflow.python.util import deprecation
deprecation._PRINT_DEPRECATION_WARNINGS = False

Keras

我们使用 Keras 库导入数据集。我们将使用 mnist 手写数字数据集。我们使用以下语句导入所需的软件包

from keras.datasets import mnist

我们将使用 Keras 软件包定义我们的深度学习神经网络。我们导入 Sequential, Dense, Dropout 和 Activation 软件包来定义网络架构。我们使用 load_model 软件包来保存并检索我们的模型。我们还使用 np_utils 来获得项目中需要的几个实用工具。这些导入通过以下程序语句完成：

from keras.models import Sequential, load_model
from keras.layers.core import Dense, Dropout, Activation
from keras.utils import np_utils

运行此代码时，您将在控制台上看到一条消息，表明 Keras 在后端使用 TensorFlow。此阶段的屏幕截图如下所示：

keras

现在，由于我们已经有了项目所需的所有导入，我们将继续为我们的深度学习网络定义架构。