Keras 的附加模块

Keras 提供了几个补充基本工作流程的附加模块（附加函数在本章开头描述）。部分模块如下：

• preprocessing 模块提供了几种预处理序列，图像和文本数据的函数。
• datasets 模块提供了多种函数，可以快速访问几个流行的数据集，如 CIFAR10 图像，CIFAR100 图像，IMDB 电影评论，路透社新闻专线主题，MNIST 手写数字和波士顿房价。
• initializers 模块提供了几种设置层初始随机权重参数的函数，如 Zeros， Ones ， Constant， RandomNormal， RandomUniform， TruncatedNormal， VarianceScaling ， Orthogonal， Identity， lecun_normal， lecun_uniform， glorot_normal ， glorot_uniform， he_normal和 he_uniform。
• models 模块提供了几种恢复模型架构和权重的函数，如 model_from_json， model_from_yaml，和 load_model。可以使用model.to_yaml() 和 model.to_json()方法保存模型架构。通过调用 model.save() 方法可以保存模型权重。权重保存在 HDF5 文件中。
• applications模块提供了几种预先构建和预训练的模型，例如 Xception，VGG16，VGG19，ResNet50，Inception V3，InceptionResNet V2 和 MobileNet。我们将学习如何使用预建模型来预测我们的数据集。我们还将学习如何使用来自略有不同的域的数据集再训练applications模块中的预训练模型。

这就结束了我们对 Keras 的简要介绍，这是 TensorFlow 的高级框架。我们将在本书中提供使用 Keras 构建模型的示例。