知识卡片
Keras以层组合表达网络
Keras提供高层网络API,将输入、卷积、递归与全连接层组合成模型,并将训练目标、优化器和回调配置与网络连接分开。Functional API适合显式连接内外两层模型,便于复用每周编码器。书中后端列表和安装方式属于写作时环境,不能据此断言当前版本仍兼容相同接口。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 洞察用户长期价值: 基于神经网络的LTV建模 3.2 基于Keras的LTV模型实践 · 查看原书依据
Keras是一个高层级的开源神经网络API库,使用Python语言编写,并且可以运行在TensorFlow、Theano和CNTK上。它隐去了神经网络的底层实现细节,可以让我们像搭积木一样,快速构建网络,缩短从构思到实现的时间。它对用户友好,使用方法简单,可快速上手,现在已经得到了很广泛的使用,并被内置在最新版的TensorFlow中。下面我们使用Keras建立神经网络模型,进行LTV建模。同时我们也使用了Python生态中常用的数据处
参考来源
- 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第3章 洞察用户长期价值: 基于神经网络的LTV建模,3.2 基于Keras的LTV模型实践(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0019.xhtml)
- 结论依据:原文把Keras介绍为高层API并在案例中组合神经网络;仅保留抽象用途,版本信息限定历史。
- 原始内容:Keras是一个高层级的开源神经网络API库,使用Python语言编写,并且可以运行在TensorFlow、Theano和CNTK上。它隐去了神经网络的底层实现细节,可以让我们像搭积木一样,快速构建网络,缩短从构思到实现的时间。它对用户友好,使用方法简单,可快速上手,现在已经得到了很广泛的使用,并被内置在最新版的TensorFlow中。下面我们使用Keras建立神经网络模型,进行LTV建模。同时我们也使用了Python生态中常用的数据处