Cómo desarrollar modelos complejos de aprendizaje profundo desde cero usando Keras TensorFlow

Instala h5py para guardar y cargar modelos:

pip install h5py

También hay algunas dependencias que deben instalarse.

pip install numpy scipy

pip install pillow

Por qué Keras:

Keras es un marco desarrollado por el ingeniero de Google François Chollet, que le ayuda a realizar prototipos rápidos basados ​​en Theano. Posteriormente, TensorFlow también se amplió como backend. Recientemente, TensorFlow decidió incluir esto en el archivo contrib.

Se considera que Keras es el futuro de la construcción de redes neuronales, y estas son algunas de las razones de su popularidad:

Desarrollo ligero y rápido: Keras tiene como objetivo eliminar el código de muestra. Unas pocas líneas de código Keras pueden hacer más que el código nativo de TensorFlow. También puede implementar fácilmente CNN y RNN y ejecutarlos en una CPU o GPU.

Conceptos básicos de Keras

La principal estructura de datos en Keras es el modelo, que define un gráfico completo. Puede agregar cualquier estructura de red a un diagrama existente. import keras

Keras tiene dos métodos de modelado diferentes:

Modelo secuencial: este método se utiliza para implementar algunos modelos simples. Simplemente agrega capas a algunos modelos existentes.

API funcional: La API de Keras es muy poderosa y puedes usarla para construir modelos más complejos, como modelos de múltiples salidas, gráficos acíclicos dirigidos, etc.