一、 背景与目的

背景:配置好了theano,弄了gpu, 要学dnn方法。

目的:本篇学习keras基本用法, 学习怎么用keras写mlp,学keras搞文本的基本要点。

 

二、 准备

工具包: theano、numpy、keras等工具包

数据集: 如果下不来, 可以用迅雷下,弄到~/.keras/datasets/下面即可

代码位置:examples/reuters_mlp.py

三、 代码赏析

'''Trains and evaluate a simple MLP
on the Reuters newswire topic classification task.
'''

from __future__ import print_function
import numpy as np
np.random.seed(1337)  # for reproducibility

from keras.datasets import reuters
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.utils import np_utils
from keras.preprocessing.text import Tokenizer

max_words = 1000 #vocab大小
batch_size = 32 #mini_batch_size 
nb_epoch = 5 #大循环次数

print('Loading data...')
(X_train, y_train), (X_test, y_test) = reuters.load_data(nb_words=max_words, test_split=0.2) #载入路透社语料
#打印 print(len(X_train), 'train sequences') print(len(X_test), 'test sequences')
#分类数目--原版路透社我记着是10来着,应该是语料用的是大的那个 nb_classes = np.max(y_train)+1 print(nb_classes, 'classes') print('Vectorizing sequence data...')
#tokenize tokenizer = Tokenizer(nb_words=max_words)
#序列化,取df前1000大
#这里有个非常好玩的事, X_train 里面初始存的是wordindex,wordindex是按照词大小来的(应该是,因为直接就给撇了)
#所以这个效率上还是很高的
#转化的还是binary,默认不是用tfidf X_train = tokenizer.sequences_to_matrix(X_train, mode='binary') X_test = tokenizer.sequences_to_matrix(X_test, mode='binary') print('X_train shape:', X_train.shape) print('X_test shape:', X_test.shape) print('Convert class vector to binary class matrix (for use with categorical_crossentropy)')
#这个就好理解多了, 编码而已 Y_train = np_utils.to_categorical(y_train, nb_classes) Y_test = np_utils.to_categorical(y_test, nb_classes) print('Y_train shape:', Y_train.shape) print('Y_test shape:', Y_test.shape) print('Building model...') model = Sequential()
#第一层
#Dense就是全连接层 model.add(Dense(512, input_shape=(max_words,))) #输入维度, 512==输出维度 model.add(Activation('relu')) #激活函数 model.add(Dropout(0.5)) #dropout

#第二层 model.add(Dense(nb_classes)) model.add(Activation('softmax'))
#损失函数设置、优化函数,衡量标准 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
#训练,交叉验证 history = model.fit(X_train, Y_train, nb_epoch=nb_epoch, batch_size=batch_size, verbose=1, validation_split=0.1) score = model.evaluate(X_test, Y_test, batch_size=batch_size, verbose=1) print('Test score:', score[0]) print('Test accuracy:', score[1])

 

四、 训练速度比较

此表调整到了相对好一点的两万词表,要不然我觉得讨论效果没什么意义

  训练时间-cpu 训练时间-gpu val-cpu val-gpu
第一轮 22s     3s 79 79
第二轮 22s 3s 81 81
第三轮 23s 3s 80 80
第四轮 33s 3s 78 79
第五轮 40s 3s 80 80

 

看的出来,即使是mlp,效果的提升也是非常非常大的。