Keras

Keras 是一个用 Python 编写的高级神经网络 API，最初由 François Chollet 创建，并于 2017 年合并到 TensorFlow 中，但依然可以作为一个独立的框架使用。它是一个开源的深度学习框架，运行在 TensorFlow、Theano 或 Microsoft Cognitive Toolkit (CNTK) 等深度学习后端之上。

你可以使用Keras快速进行模型训练，同时使用SwanLab进行实验跟踪与可视化。

在线演示

1. 引入SwanLabLogger

from swanlab.integration.keras import SwanLabLogger

2. 与model.fit配合

首先初始化SwanLab：

swanlab.init(  project="keras_mnist",  experiment_name="mnist_example",  description="Keras MNIST Example"  )

然后，在model.fit的callbacks参数中添加SwanLabLogger，即可完成集成：

model.fit(..., callbacks=[SwanLabLogger()])

3. 案例-MNIST

from swanlab.integration.keras import SwanLabLogger import tensorflow as tf import swanlab  # Initialize SwanLab swanlab.init(  project="keras_mnist",  experiment_name="mnist_example",  description="Keras MNIST Example"  )  # Load and preprocess MNIST data (x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data() x_train = x_train.reshape(-1, 28, 28, 1).astype('float32') / 255.0 x_test = x_test.reshape(-1, 28, 28, 1).astype('float32') / 255.0  # Build a simple CNN model model = tf.keras.Sequential([  tf.keras.layers.Conv2D(32, 3, activation='relu', input_shape=(28, 28, 1)),  tf.keras.layers.MaxPooling2D(),  tf.keras.layers.Conv2D(64, 3, activation='relu'),  tf.keras.layers.MaxPooling2D(),  tf.keras.layers.Flatten(),  tf.keras.layers.Dense(64, activation='relu'),  tf.keras.layers.Dense(10, activation='softmax') ])  # Compile the model model.compile(  optimizer='adam',  loss='sparse_categorical_crossentropy',  metrics=['accuracy'] )  # Train the model with SwanLabLogger model.fit(  x_train,   y_train,  epochs=5,  validation_data=(x_test, y_test),  callbacks=[SwanLabLogger()] )

效果演示：

在线演示