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.