Deep Learning dengan Keras - Mengimpor Perpustakaan

Kami pertama kali mengimpor berbagai pustaka yang diperlukan oleh kode dalam proyek kami.

Penanganan Array dan Plotting

Seperti biasa, kami menggunakan numpy untuk penanganan array dan matplotlibuntuk merencanakan. Pustaka ini diimpor dalam proyek kami menggunakan berikut iniimport pernyataan

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

Peringatan yang Menekan

Karena Tensorflow dan Keras terus merevisi, jika Anda tidak menyinkronkan versi yang sesuai dalam proyek, pada waktu proses Anda akan melihat banyak kesalahan peringatan. Saat mereka mengalihkan perhatian Anda dari pembelajaran, kami akan menekan semua peringatan dalam proyek ini. Ini dilakukan dengan baris kode berikut -

# 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

Kami menggunakan pustaka Keras untuk mengimpor kumpulan data. Kami akan menggunakanmnistset data untuk digit tulisan tangan. Kami mengimpor paket yang diperlukan menggunakan pernyataan berikut

from keras.datasets import mnist

Kami akan menentukan jaringan saraf pembelajaran dalam kami menggunakan paket Keras. Kami mengimpor fileSequential, Dense, Dropout dan Activationpaket untuk mendefinisikan arsitektur jaringan. Kita gunakanload_modelpaket untuk menyimpan dan mengambil model kami. Kami juga menggunakannp_utilsuntuk beberapa utilitas yang kami butuhkan dalam proyek kami. Impor ini dilakukan dengan pernyataan program berikut -

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

Ketika Anda menjalankan kode ini, Anda akan melihat pesan di konsol yang mengatakan bahwa Keras menggunakan TensorFlow di backend. Tangkapan layar pada tahap ini ditampilkan di sini -

Sekarang, karena kami memiliki semua impor yang diperlukan oleh proyek kami, kami akan melanjutkan untuk menentukan arsitektur jaringan Deep Learning kami.