Deep Learning with Keras - Importowanie bibliotek

Najpierw importujemy różne biblioteki wymagane przez kod w naszym projekcie.

Obsługa i drukowanie tablic

Jak zwykle używamy numpy do obsługi tablic i matplotlibdo kreślenia. Te biblioteki są importowane do naszego projektu przy użyciu następującego plikuimport sprawozdania

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

Pomijanie ostrzeżeń

Ponieważ zarówno Tensorflow, jak i Keras nieustannie poprawiają, jeśli nie zsynchronizujesz ich odpowiednich wersji w projekcie, w czasie wykonywania zobaczysz wiele błędów ostrzegawczych. Ponieważ odwracają twoją uwagę od uczenia się, będziemy tłumić wszystkie ostrzeżenia w tym projekcie. Odbywa się to za pomocą następujących wierszy kodu -

# 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

Korzystamy z bibliotek Keras do importu zbioru danych. Będziemy używaćmnistzbiór danych dla odręcznych cyfr. Importujemy wymagany pakiet, korzystając z poniższej instrukcji

from keras.datasets import mnist

Będziemy definiować naszą sieć neuronową uczenia głębokiego za pomocą pakietów Keras. ImportujemySequential, Dense, Dropout i Activationpakiety do definiowania architektury sieci. Używamyload_modelpakiet do zapisywania i pobierania naszego modelu. Używamy równieżnp_utilsza kilka narzędzi, których potrzebujemy w naszym projekcie. Te importy są wykonywane za pomocą następujących instrukcji programu -

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

Po uruchomieniu tego kodu na konsoli zostanie wyświetlony komunikat, że Keras używa TensorFlow na zapleczu. Zrzut ekranu na tym etapie jest pokazany tutaj -

Teraz, gdy mamy wszystkie importy wymagane przez nasz projekt, przejdziemy do zdefiniowania architektury naszej sieci Deep Learning.