- 【笔记】Keras 学习笔记.md [荐]★★★
- 主页 - Keras 中文文档
- 详解keras的model.summary()输出参数Param计算过程 - 关于 console 台打印的参数数量的计算。
- tensorflow - What does 'non-trainable params' mean? - Stack Overflow - console 台打印的 non-trainable params 的理解。
1、Keras加载预训练模型 - 豌豆ip代理 [荐]
比如训练模型的时候用到了自定义的模块AttentionLayer，那么在加载模型的时候需要在custom_objects的参数中声明对应的字典项，否则将会报模块未定义的错误。
model = load_model('./model1/GRUAttention( 0.8574).h5', custom_objects={'AttentionLayer': AttentionLayer})
在训练的过程中有时候也会用到自定义的损失函数，这时候如果你加载模型知识为了进行预测不再其基础上再进行训练，那么加载模型的时候就没有必要在custom_objects参数中声明对应的字典项，只需要将compile参数设为False即可：
model = load_model('./model1/GRUAttention(0.8574).h5', compile=False})
如果此时你好需要在加载后的模型上继续进行训练，那么声明损失函数对应的字典项就是必须的：
model = load_model('./model1/GRUAttention(0.8574).h5', compile=True, custom_objects={'focal_loss_fixed':focal_loss})
- 如何让keras训练深度网络时使用两张显卡？ - 知乎
- keras 关于使用多个 gpu | Keras同时用多张显卡训练网络 - 简书
- Keras多GPU及分布式 - 有两种方法可以在多张 GPU 上运行一个模型：数据并行/设备并行。大多数情况下，你需要的很可能是“数据并行”。
1、Keras中的多分类损失函数categorical_crossentropy
注意：当使用`categorical_crossentropy`损失函数时，你的标签应为多类模式，例如如果你有 10 个类别，每一个样本的标签应该是一个 10 维的向量，该向量在对应有值的索引位置为 1 其余为 0。
可以使用这个方法进行转换：
from keras.utils.np_utils import to_categorical
categorical_labels = to_categorical(int_labels, num_classes=None)
2、keras中的keras.utils.to_categorical方法 - to_categorical(y, num_classes=None, dtype='float32')
将整型标签转为 onehot。y 为 int 数组，num_classes 为标签类别总数，大于 max(y)（标签从0开始的）。
返回：如果 num_classes=None，返回 len(y)*[max(y)+1]（维度，m*n表示m行n列矩阵，下同），否则为 len(y)*num_classes。说出来显得复杂，请看下面实例。
4、为何Keras中的CNN是有问题的，如何修复它们？ - 知乎 - 关于参数初始化的问题。
我们证明，初始化是模型中特别重要的一件事情，这一点你可能经常忽略。此外，文章还证明，即便像 Keras 这种卓越的库中的默认设置，也不能想当然拿来就用。