keras定义：
Keras是一个深度学习API（人工神经网络库），使用Python语言编写的github开源项目，主要开发者为谷歌工程师。Keras底层可调用不同的机器学习平台，如TensorFlow、Theano或micsoft-CNTK。
作用：keras主要功能是简化机器学习平台的调用方式。
调用流程：
大概流程：根据输入（训练数据集）和输出（测试数据集），推测出中间逻辑和关系。
需求：使用深度学习来识别手写字识别
1.加载数据集。数据集包括：训练数据集和测试数据集
from keras.datasets import mnist
path = r'C:\Users\LEGION\Desktop\datasets\mnist.npz'
(X_train, y_train), (X_test, y_test) = mnist.load_data(path)
print(X_train.shape)
print(y_train.shape)
print(X_test.shape)
print(y_test.shape)X_train.shape 的形状为(60000, 28, 28)
y_train.shape的形状为(60000,)
X_test.shape的形状为(10000, 28, 28)
y_test.shape的形状为(10000,)
2.构建模型
from keras.models import Sequentialfrom keras.layers import Dense,Activationmodel = Sequential()model.add(Dense(512, input_shape=(28*28,),activation='relu'))model.add(Dense(10,activation='softmax'))model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])model.fit(X_train, y_train, epochs=10, batch_size=64, verbose=1, validation_split=0.05)Testloss, Testaccuracy = model.evaluate(X_test, y_test)print('Testloss ', Testloss)print('Testaccuracy:', Testaccuracy)- 第三行代码，定义模型类型，表示使用Keras中的Sequential 顺序模型。
- 第四行代码表示增加一个全连接层(密集层)，这层有512个神经元，输入形状是(28*28,)此处的输入形状也可以写为：input_dim=28*28。Activation表示这层的激活函数使用是relu，不同的激活函数有不同的效果，大家可以自己学习。
- 第五行代码增加一个全连接层，这层有10个神经元，这于我们的期望输出个数一致(10个数字)，激活函数使用softmax。
- 第六行代码表示编译我们之前构建的模型，优化器选择adam,损失函数为categorical_crossentropy，指标度量选择accuracy精度。
- 第七行代码表示使用训练集数据来训练我们的模型，epochs表示模型的训练的时期数，每个epoch是对x，y的整个迭代，这里迭代10次。batch_size代表每个梯度更新的样本数，默认值为32. verbose：日志显示verbose = 0为不在标准输出流输出日志信息，verbose = 1为输出进度条记录，verbose=2为每个epoch输出一行记录，默认为1。validation_split按一定比例从训练集中取出一部分作为验证集。最后一行控制台输出：loss: 0.0109 - acc: 0.9964 - val_loss: 0.0862 - val_acc: 0.9823
- 第八行代码表示对已经训练好的模型在验证集上进行评价，打印出验证集上的损失和精度为：loss 0.0794 ，Accuracy: 0.9784。
- 第八行后一般会出现model.predict([np.array([features[1]]), sentence])，预测
phthon基础
r
path = r'C:\Users\LEGION\Desktop\datasets\mnist.npz'转义字符来表示反斜杠
shape
通俗易懂的解释：每一个shape里的数字对应数组中的一对中括号，第一个数字1表示最外层的中括号。以此类推，数字2表示第二层中括号，数字3表示最里层的中括号。
reshape
数组array的合并
astype
字符转数字
X_train = X_train.astype('float32')/255数学基础
二维数组的赋值：
向量：
向量维度：
思考：
数据集用什么工具生成，数据格式有什么要求
训练后的数据如何保存，如何在训练后的模型上进行识别
识别的命令是什么，输入参数是什么。
from keras.models import Input,Model
from keras.layers import Dense,Conv2D,TimeDistributedinput_ = Input(shape=(12,32,32,3))
out = TimeDistributed(Conv2D(filters=32,kernel_size=(3,3),padding='same'))(input_)
model = Model(inputs=input_,outputs=out)
model.summary()卷积操作使用TimeDistributed，第一个12代表就是时间序列，32，32，3指的是高，宽，通道数。此处一共有896个参数，卷积核weights有3×3×3×32=864个，卷积核bias有32个。
