Keras实现卷积神经网络

Question

我刚刚安装了tensorflow和keras。以下是我简单的演示:

from keras.models import Sequential
from keras.layers import Dense
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, init='uniform', activation='relu'))
model.add(Dense(8, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, nb_epoch=10, batch_size=10)
# evaluate the model
scores = model.evaluate(X, Y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

我有一个警告：

/usr/local/lib/python2.7/dist-packages/keras/legacy/interfaces.py:86: UserWarning: Update your `Dense` call to the Keras 2 API: `Dense(12, activation="relu", kernel_initializer="uniform", input_dim=8)` '` call to the Keras 2 API: ' + signature)
/usr/local/lib/python2.7/dist-packages/keras/legacy/interfaces.py:86: UserWarning: Update your `Dense` call to the Keras 2 API: `Dense(8, activation="relu", kernel_initializer="uniform")` '` call to the Keras 2 API: ' + signature)
/usr/local/lib/python2.7/dist-packages/keras/legacy/interfaces.py:86: UserWarning: Update your `Dense` call to the Keras 2 API: `Dense(1, activation="sigmoid", kernel_initializer="uniform")` '` call to the Keras 2 API: ' + signature)
/usr/local/lib/python2.7/dist-packages/keras/models.py:826: UserWarning: The `nb_epoch` argument in `fit` has been renamed `epochs`. warnings.warn('The `nb_epoch` argument in `fit` '

那么，我该怎么处理这个问题？

- Khang Truong

---

警告信息字面上说了你需要改变什么。 - Dr. Snoopy

Answer 1

如评论中Matias所说，这很简单... Keras昨天更新了他们的API到2.0版本。显然您已经下载了该版本，但演示仍在使用“旧”的API。 他们创建了警告，以便“旧”API在2.0版本中仍能正常工作，但是表示它将发生变化，请从现在开始使用2.0 API。

将您的代码适应API 2.0的方法是将所有层的“init”参数更改为“kernel_initializer”，并在fit()函数中将“nb_epoch”更改为“epochs”。

from keras.models import Sequential
from keras.layers import Dense
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, kernel_initializer ='uniform', activation='relu'))
model.add(Dense(8, kernel_initializer ='uniform', activation='relu'))
model.add(Dense(1, kernel_initializer ='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, epochs=10, batch_size=10)
# evaluate the model
scores = model.evaluate(X, Y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

这段代码不应该引发任何警告，它是 keras 2.0 版本的代码。

- Nassim Ben

Answer 2

在您的情况下，问题是您正在使用旧版API中的参数名称。为了消除此警告，在compile()方法中，您应该使用epochs而不是nb_epochs。现在，警告消息应该消失了。警告消息字面上描述了问题。

Keras的新API通常会自动提示您，因为他们随着每个新更新引入越来越多的更改。但是，此警告对模型的性能没有任何影响。

- KareemJ

Answer 3

不要使用init，改用kernel_initializer，问题应该就解决了。

- Raj Singh