kerasの使い方 (python)

# ライブラリ定義
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Activation,Dense
keras.optimizers import Adam

# 実行
model = Sequential()
model.add(Dense(200,input_dim=784,activation='relu'))
model.add(Dense(10,activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer=Adam(), metrics=['accuracy'])
history = model.fit(A,B,epochs=10,batch_size=100,verbose=0,validation_data=(C,D))

これを図解すると以下のとおり。
　

1 of K 符号化法とはある要素だけ1でそれ以外が0になる配列で、kerasの場合以下となります。

np_utils.to_categorical(a, b)

＜畳み込みニューラルネットワーク(CNN)＞
CNNをする場合は以下の記載を追加変更します。実装具体例はこちら。

>>from keras.layers import Activation, Dropout, Flatten, Dense
>>from keras.layers import Conv2D, MaxPooling2D
>>model.add(Conv2D(filters=10,kernel_size=(3, 3),padding='same',input_shape=(28,28,1), activation='relu'))
>>model.add(Flatten())

CNNは２次元データとして扱うのが特徴なので、2次元に対応した表記となっております。説明は以下。

　・filters：画像フィルターの数
　・kernel_size：フィルターのサイズ
　・padding：sameはゼロパディング実施。validはパディングを実施しない。
　・Flatten()：1次元データに変換

＜ディープラーニング＞
上記畳み込み層に対してプーリング層やドロップアウト層を加え、深い層にしたものをディープラーニングといいます。実装具体例はこちら。

>>model.add(MaxPooling2D(pool_size=(2, 2)))
>>model.add(Dropout(0.5))

サブチャンネルあります。⇒ 何かのお役に立てればと