python神经网络使用Keras构建RNN训练
更新时间：2022年05月04日 12:10:42 作者：Bubbliiiing
这篇文章主要为大家介绍了python神经网络使用Keras构建RNN网络训练，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪<BR>
Keras中构建RNN的重要函数
1、SimpleRNN
SimpleRNN用于在Keras中构建普通的简单RNN层，在使用前需要import。
from keras.layers import SimpleRNN
在实际使用时，需要用到几个参数。
model.add(
SimpleRNN(
batch_input_shape = (BATCH_SIZE,TIME_STEPS,INPUT_SIZE),
output_dim = CELL_SIZE,
)
)
其中，batch_input_shape代表RNN输入数据的shape，shape的内容分别是每一次训练使用的BATCH，TIME_STEPS表示这个RNN按顺序输入的时间点的数量，INPUT_SIZE表示每一个时间点的输入数据大小。
CELL_SIZE代表训练每一个时间点的神经元数量。
2、model.train_on_batch
与之前的训练CNN网络和普通分类网络不同，RNN网络在建立时就规定了batch_input_shape，所以训练的时候也需要一定量一定量的传入训练数据。
model.train_on_batch在使用前需要对数据进行处理。获取指定BATCH大小的训练集。
X_batch = X_train[index_start:index_start + BATCH_SIZE,:,:] Y_batch = Y_train[index_start:index_start + BATCH_SIZE,:] index_start += BATCH_SIZE
具体训练过程如下：
for i in range(500):
X_batch = X_train[index_start:index_start + BATCH_SIZE,:,:]
Y_batch = Y_train[index_start:index_start + BATCH_SIZE,:]
index_start += BATCH_SIZE
cost = model.train_on_batch(X_batch,Y_batch)
if index_start >= X_train.shape[0]:
index_start = 0
if i%100 == 0:
## acc
cost,accuracy = model.evaluate(X_test,Y_test,batch_size=50)
## W,b = model.layers[0].get_weights()
print("accuracy:",accuracy)
x = X_test[1].reshape(1,28,28)
全部代码
这是一个RNN神经网络的例子，用于识别手写体。
import numpy as np
from keras.models import Sequential
from keras.layers import SimpleRNN,Activation,Dense ## 全连接层
from keras.datasets import mnist
from keras.utils import np_utils
from keras.optimizers import Adam
TIME_STEPS = 28
INPUT_SIZE = 28
BATCH_SIZE = 50
index_start = 0
OUTPUT_SIZE = 10
CELL_SIZE = 75
LR = 1e-3
(X_train,Y_train),(X_test,Y_test) = mnist.load_data()
X_train = X_train.reshape(-1,28,28)/255
X_test = X_test.reshape(-1,28,28)/255
Y_train = np_utils.to_categorical(Y_train,num_classes= 10)
Y_test = np_utils.to_categorical(Y_test,num_classes= 10)
model = Sequential()
# conv1
model.add(
SimpleRNN(
batch_input_shape = (BATCH_SIZE,TIME_STEPS,INPUT_SIZE),
output_dim = CELL_SIZE,
)
)
model.add(Dense(OUTPUT_SIZE))
model.add(Activation("softmax"))
adam = Adam(LR)
## compile
model.compile(loss = 'categorical_crossentropy',optimizer = adam,metrics = ['accuracy'])
## tarin
for i in range(500):
X_batch = X_train[index_start:index_start + BATCH_SIZE,:,:]
Y_batch = Y_train[index_start:index_start + BATCH_SIZE,:]
index_start += BATCH_SIZE
cost = model.train_on_batch(X_batch,Y_batch)
if index_start >= X_train.shape[0]:
index_start = 0
if i%100 == 0:
## acc
cost,accuracy = model.evaluate(X_test,Y_test,batch_size=50)
## W,b = model.layers[0].get_weights()
print("accuracy:",accuracy)
实验结果为：
10000/10000 [==============================] - 1s 147us/step accuracy: 0.09329999938607215 ………………………… 10000/10000 [==============================] - 1s 112us/step accuracy: 0.9395000022649765 10000/10000 [==============================] - 1s 109us/step accuracy: 0.9422999995946885 10000/10000 [==============================] - 1s 114us/step accuracy: 0.9534000000357628 10000/10000 [==============================] - 1s 112us/step accuracy: 0.9566000008583069 10000/10000 [==============================] - 1s 113us/step accuracy: 0.950799999833107 10000/10000 [==============================] - 1s 116us/step 10000/10000 [==============================] - 1s 112us/step accuracy: 0.9474999988079071 10000/10000 [==============================] - 1s 111us/step accuracy: 0.9515000003576278 10000/10000 [==============================] - 1s 114us/step accuracy: 0.9288999977707862 10000/10000 [==============================] - 1s 115us/step accuracy: 0.9487999993562698
以上就是python神经网络使用Keras构建RNN训练的详细内容，更多关于Keras构建RNN训练的资料请关注脚本之家其它相关文章！
相关文章
其实现在还是有很多刚开始学习的小伙伴，会遇到模块不会安装的情况，或者一遇到报错就懵了，这样就很耽误我们的学习进度。所以，今天我们就来了解一下Python几种安装模块的方法吧2022-09-09
本文给大家讲解Python的@装饰器的用途，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友参考下吧2021-11-11
Python 是面向对象编程语言，文件也是一种类,下面简单介绍下，方便需要的朋友2013-10-10
Python使用PyGreSQL操作PostgreSQL数据库教程
这篇文章主要介绍了Python使用PyGreSQL操作PostgreSQL数据库,需要的朋友可以参考下2014-07-07
python人工智能human learn绘图创建机器学习模型
这篇文章主要为大家介绍了python人工智能human learn绘图就可以创建机器学习模型的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助2021-11-11
这篇文章主要为大家介绍了Python进行密码学反向密码的教程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-05-05
这篇文章主要介绍了python中的opencv 图像梯度，图像梯度计算的是图像变化的速度，图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值，下文详细介绍需要的小伙伴可以参考一下2022-06-06
Windows中使用wxPython和py2exe开发Python的GUI程序的实例教程
wxPython是一款集成了Python的图形化类库的工具,而py2exe是一款将Python程序转换为exe可执行文件的程序,二者搭配可以轻松地在Windows中创建图形化程序,这里我们就来学习Windows中使用wxPython和py2exe开发Python的GUI程序的实例教程:2016-07-07
这篇文章主要介绍了Python 硬币兑换问题，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
Python机器学习pytorch模型选择及欠拟合和过拟合详解
如何发现可以泛化的模式是机器学习的根本问题，将模型在训练数据上过拟合得比潜在分布中更接近的现象称为过拟合，用于对抗过拟合的技术称为正则化2021-10-10
最新评论