Keras

Keras
Basisdaten
Maintainer	Community-Projekt, initiiert durch François Chollet
Aktuelle Version	2.2.0
Betriebssystem	Plattformunabhängigkeit
Programmiersprache	Python
Kategorie	Neuronale Netze
Lizenz	MIT-Lizenz
Keras.io

Keras ist eine Open Source Lernprogramm-Bibliothek, geschrieben in Python_(Programmiersprache). Sie wurde von François Chollet geschrieben und erstmals am 28.3.2015 veröffentlicht. Zu den von Keras unterstützten Backends gehören Tensorflow, CNTK und Theano. Das Ziel vom Keras ist es, diese Bibliotheken so einsteigerfreundlich wie möglich zu machen.

Seit dem Release von TensorFlow 1.4 ist Keras Teil der Tensorflow Core API, jedoch wird Keras als Bibliothek weitergeführt, da es laut François Chollet nicht als Schnittstelle für Tensorflow, sondern als Schnittstelle für viele Bibliotheken gedacht ist.

Übrigens: Die PlusPedia ist NICHT die Wikipedia. Wir sind ein gemeinnütziger Verein, PlusPedia ist werbefrei. Wir freuen uns daher über eine kleine Spende!

1 Beispiel

Das folgende Beispiel soll die grundlegende Funktionsweise darstellen, darin wird einem neuronalen Netzwerk mithilfe von Keras die Funktion eines Exklusiv-Oder-Gatter beigebracht:

 1 #Keras laden
 2 from keras.layers import Dense,Input
 3 from keras.models import Sequential
 4 
 5 #Numpy laden
 6 import numpy as np
 7 
 8 #Daten in Listen speichern
 9 Eingangswerte = np.array([[0,0],[0,1],[1,0],[1,1]])
10 Ausgangswerte = np.array([[0],[1],[1],[0]])
11 
12 #Erstellt das Model mit 2 Eingangsnodes, 32 Mittelnodes und einer Aussgangsnode
13 model = Sequential()
14 model.add(Dense(32, input_dim=2, activation='relu'))
15 model.add(Dense(1, activation='sigmoid'))
16 
17 #Compeliert das Model, damit es spaeter verwendet werden kann
18 model.compile(loss='mean_squared_error',
19               optimizer='adam',
20               metrics=['accuracy'])
21 
22 #Trainiert das Model mit den Eingangs- und den entsprechenden Ausgangswerten fuer 500 Epochen
23 model.fit(x=Eingangswerte,y=Ausgangswerte,epochs=500,verbose=0)
24 
25 #Testet die Eingangsdaten und schreibt die Ergebnisse in die Console
26 print(model.predict(Eingangswerte))

Als Ausgabe erhält man folgendes:

1 [[0.22572424]  # Eingang 0 und 0, zu erwartender Ausgang 0
2  [0.8281066 ]  # Eingang 0 und 1, zu erwartender Ausgang 1
3  [0.80670524]  # Eingang 1 und 0, zu erwartender Ausgang 1
4  [0.17283553]] # Eingang 1 und 1, zu erwartender Ausgang 0

2 Siehe auch

• Python
• Tensorflow
• Microsoft Cognitive Toolkit
• Theano
• NumPy

3 Weblinks

• Offizielle Website