使用 Keras 进行深度学习 - 导入库

我们首先导入项目代码所需的各种库。

数组处理和绘图

通常，我们使用numpy进行数组处理，使用matplotlib进行绘图。这些库使用以下import语句导入到我们的项目中

import numpy as np
import matplotlib
import matplotlib.pyplot as plot

抑制警告

由于Tensorflow和Keras不断更新，如果您没有在项目中同步它们的相应版本，则在运行时会看到很多警告错误。由于它们分散了您学习的注意力，因此我们将在此项目中抑制所有警告。这可以通过以下代码行完成：

# silent all warnings
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
import warnings
warnings.filterwarnings('ignore')
from tensorflow.python.util import deprecation
deprecation._PRINT_DEPRECATION_WARNINGS = False

Keras

我们使用Keras库导入数据集。我们将使用mnist数据集用于手写数字。我们使用以下语句导入所需的包

from keras.datasets import mnist

我们将使用Keras包定义我们的深度学习神经网络。我们导入Sequential、Dense、Dropout和Activation包来定义网络架构。我们使用load_model包来保存和检索我们的模型。我们还使用np_utils来满足项目中的一些实用程序需求。这些导入操作通过以下程序语句完成：

from keras.models import Sequential, load_model
from keras.layers.core import Dense, Dropout, Activation
from keras.utils import np_utils

运行此代码时，您将在控制台上看到一条消息，指出Keras使用TensorFlow作为后端。此阶段的屏幕截图如下所示：

现在，由于我们已经拥有项目所需的所有导入内容，我们将继续为我们的深度学习网络定义架构。