LSTM模型学习

基于python3.6实现的，Keras相关资源：LSTM预测模型训练，IMDB数据加载，国际旅行人数预测，IMDB影评分类预测，数据标准化，模型保存到本地，从本地加载训练好的模型，plt图形绘制，以及IMDB数据和国际旅行人数数据包。

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
from keras.layers import Dropout
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from keras.callbacks import LearningRateScheduler
from sklearn import datasets
import numpy as np
# 设定随机数种子
seed=7
np.random.seed（seed）

# 导入数据
dataset = np.loadtxt（‘pima-indians-diabetes.csv‘ delimiter=‘‘）
# 分割输入x和输出Y
x = dataset[: 0 : 8]#数据
y = dataset[: 8]#标签

def Createfisrt_model（xy）:
    “““输入数据训练模型并返回“““
    # 创建模型
    model = Sequential（）
    model.add（Dense（16 input_dim=8 activation=‘relu‘））#第一层隐藏元12个
    model.add（Dense（8 activation=‘relu‘））#第二层隐藏元8个
    model.add（Dense（1 activation=‘sigmoid‘））#输出层一个神经元
    # 编译模型
    model.compile（loss=‘binary_crossentropy‘ optimizer=‘adam‘ metrics=[‘accuracy‘]）
    # 训练模型
    model.fit（x=x y=y epochs=150 batch_size=10 validation_split=0.2）
    # 评估模型
    scores = model.evaluate（x=x y=y verbose=0）
    print（‘\n%s : %.2f%%‘ % （model.metrics_names[1] scores[1]*100））
    return model

def get_model（filename=‘model‘choosemodel=‘json‘）:
    “““
    载入训练好的模型json
    :param filename:模型名
    :return: model：返回模型
    “““
    if choosemodel==‘json‘:
        from keras.models import model_from_json
        model = model_from_json（open（filename+‘.json‘）.read（））
        model.load_weights（filename+‘.h5‘）
        model.compile（loss=‘binary_crossentropy‘ optimizer=‘adam‘ metrics=[‘accuracy‘]）
        print（“Get json model!“）
        return model
    elif choosemodel==‘yaml‘:
        from keras.models import model_from_yaml
        model=model_from_yaml（open（filename+‘.yaml‘）.read（））
        model.load_weights（filename+‘.h5‘）
        model.compile（loss=‘binary_crossentropy‘ optimizer=‘adam‘ metrics=[‘accuracy‘]）
        print（“Get yaml model!“）
        return model

def save_model（modelfilename=‘model‘choosemodel=‘json‘）:
    “““
    保存训练好的模型json
    :param model: 传入模型
    :param filename: 保存模型名
    :return: None
    “““
    if choosemodel==‘json‘:
        json_string = model.to_json（）
        open（filename+‘.json‘‘w‘）.write（json_string）
        model.save_weights（filename+‘.h5‘ overwrite=True）
        print（“Save json model!“）
    elif choosemodel==‘yaml‘:
        yaml_string=model.to_yaml（）
        open（filename+‘.yaml‘‘w‘）.write（yaml_string）
        model.save_weights（filename+‘.h5‘overwrite=True）
        print（“Save yaml model!“）

def plt_model（historyhistorylist=[‘val_loss‘‘val_acc‘‘loss‘‘acc‘]）:
    “““
    绘制model的相关参数准确度和损失的训练梯度走势
    :param history: 传入model.fit（）
    :param historylist: history.history.keys（）的参数数组
    :return: 绘制显示结果
    “““
    # print（history.history.keys（））#可以通过打印查看historylist的值
    from matplotlib import  pyplot as plt
    def pltshow（modeltestval_modeltest）:
        plt.plot（history.history[modeltest]）
        plt.plot（history.history[val_modeltest]）
        plt.title（‘model‘+

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件   17464789  2018-12-04 20:34  LSTM\imdb.npz

     文件       1898  2018-12-05 19:26  LSTM\international-airline-passengers.csv

     文件       7115  2018-12-04 19:43  LSTM\Keras基础.py

     文件       8230  2018-12-06 17:14  LSTM\LSTM_Forecast.py

     文件       7600  2018-12-06 21:04  LSTM\LSTM_imdb_nn.py

     目录          0  2018-12-06 21:22  LSTM

----------- ---------  ---------- -----  ----

             17489632                    6