Keras для реализации сверточной нейронной сети
Я только что установил тензор и keras. И у меня есть простая демонстрация:
from keras.models import Sequential
from keras.layers import Dense
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, init='uniform', activation='relu'))
model.add(Dense(8, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, nb_epoch=10, batch_size=10)
# evaluate the model
scores = model.evaluate(X, Y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
И у меня есть это предупреждение:
/usr/local/lib/python2.7/dist-packages/keras/legacy/interfaces.py:86: UserWarning: Update your 'Dense' call to the Keras 2 API: 'Dense(12, activation="relu", kernel_initializer="uniform", input_dim=8)' '' call to the Keras 2 API: ' + signature)
/usr/local/lib/python2.7/dist-packages/keras/legacy/interfaces.py:86: UserWarning: Update your 'Dense' call to the Keras 2 API: 'Dense(8, activation="relu", kernel_initializer="uniform")' '' call to the Keras 2 API: ' + signature)
/usr/local/lib/python2.7/dist-packages/keras/legacy/interfaces.py:86: UserWarning: Update your 'Dense' call to the Keras 2 API: 'Dense(1, activation="sigmoid", kernel_initializer="uniform")' '' call to the Keras 2 API: ' + signature)
/usr/local/lib/python2.7/dist-packages/keras/models.py:826: UserWarning: The 'nb_epoch' argument in 'fit' has been renamed 'epochs'. warnings.warn('The 'nb_epoch' argument in 'fit' '
Итак, как я могу справиться с этим?
Ответы
Ответ 1
Как отмечает Матиас в комментариях, это довольно просто... Keras обновил свой API вчера до версии 2.0. Очевидно, что вы загрузили эту версию, и демо по-прежнему использует "старый" API. Они создали предупреждения, чтобы "старый" API по-прежнему работал в версии 2.0, но сказал, что он изменится, поэтому с этого момента используйте API 2.0.
Способ адаптации вашего кода к API 2.0 состоит в том, чтобы изменить параметр "init" на "kernel_initializer" для всех слоев Dense() а также "nb_epoch" до "epochs" в функции fit().
from keras.models import Sequential
from keras.layers import Dense
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, kernel_initializer ='uniform', activation='relu'))
model.add(Dense(8, kernel_initializer ='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer ='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, epochs=10, batch_size=10)
# evaluate the model
scores = model.evaluate(X, Y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
Это не должно вызывать никаких предупреждений, это версия версии keras 2.0.
