Part 1. 环境配置

keras包 与 tensorflow包

Win+R ，输入指令：
pip install tensorflow
pip install keras
推荐镜像：-i https://pypi.tuna.tsinghua.edu.cn/simple/

关于包

keras包相当于是 tensflow 包的前端
tensflow包相当于是keras包的后端
keras包用来写深度学习更方便
官方链接：https://keras.io/zh/

Part 2. 学习数据下载

mnist数据集

官方网站：下载连接
共包含4个文件：训练集、训练集标签、测试集、测试集标签

数据集导入

form keras.datasets import mnist
(X_train,y_train),(Xtest,y_test) = mnist.load_data()
# 更多数据集可通过官网了解

数据图片展示

img1 = X_train[0]
fig1 = plt.figure(figsize(3,3))
plt.imshow(img1)

Part 3. 模型保存与加载

深度学习相当于对n维数据进行逻辑回归的拟合，其模型拟合时间消耗大，因此为了防止每使用一次模型都消耗一次时间，可以对拟合好的模型进行保存，并对拟合好的模型进行加载
参考文章——知乎链接

保存模型

model.save( 'save_path，本地存储路径.h5 ' )
保存后的模型以 .h5文件格式存储
可用软件 HDFview查看，可查看其中的多个要素信息，如dense, loss等

模型加载

from keras.models import load_model
model = load_model( 'save_path，本地存储路径.h5' )

模型的继续训练

model.fit( point,label,epochs=30)
注：fit函数表示在当前模型基础上，填充point_label对应数据，对模型继续进行训练

Part 4. 什么是深度学习？

参考链接