# keras_learn

**Repository Path**: xiwanggit/keras_learn

## Basic Information

- **Project Name**: keras_learn
- **Description**: keras框架学习
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-08-16
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

###  相关文档
*  [Keras中文文档](https://keras.io/zh/)
*  [Keras API](https://keras.io/api/)
*  [keras官方GitHub demo](https://github.com/keras-team/keras/tree/master/examples)
*  [学习笔记](https://blog.csdn.net/fish2009122/article/details/108886065)

### env
*  Python：3.7.9

*  graphviz： https://graphviz.gitlab.io/download/
*  docker
   *  start: `docker-compose up -d`
   *  exec:
      *  `docker exec -it docker_id bash`
      *  `python3 /code/model/code/run.py`

###  模型
*  线性回归： Y = W * X + b，一层神经网络
   *  输入维度：特征数/列数（行数为样本量）
   *  输出维度：输出的列数

   ![输入图片说明](https://images.gitee.com/uploads/images/2020/0828/210455_d474f7cf_379161.png "线性回归模型.png")

*  逻辑回归： 线性回归 + sigmoid(activation)：一层神经网络+一个激活函数
   *  输入维度：同上
   *  输出维度：同上

   ![输入图片说明](https://images.gitee.com/uploads/images/2020/0828/210514_a53f58ba_379161.png "逻辑回归模型.png")

*  LSTM模型：预测PM2.5：一个LSTM隐藏层，可定义隐层神经网络数量
   *  LSTM
      *  输入shape：[时序step(时，分，天，周，月，年), 特征数/列]（输入shape不包括样本量（行数））
      *  输出维度：该层神经网络数

   ![输入图片说明](https://images.gitee.com/uploads/images/2020/0828/210536_a6dd587a_379161.png "LSTM模型_pm25.png")

*  CNN模型：

   ![输入图片说明](https://images.gitee.com/uploads/images/2020/0911/180428_6d987125_379161.png "多分类RNN.png")

*  Conv_LSTM模型

   ![输入图片说明](https://images.gitee.com/uploads/images/2020/0915/220908_bb9e6e4c_379161.png "CNN_LSTM.png")