如何将 DNN R 代码转换为 Python keras 代码？

Question

我在 R 中制作了一个 DNN 代码，我也想在 python 中运行它。

我也在 python 中尝试过，但是当我在 python 中运行它时有很大的不同。

我的 R 代码如下所示。

dnn.f=dbn.dnn.train(x.train, y.train, hidden = c(100, 100, 100), activationfun = "sigm")

我在 python 中尝试的代码是这样的。

from tensorflow.keras.models import Sequential 
from tensorflow.keras.layers import Dense      
from tensorflow.keras.layers import Dropout    
model = Sequential()
model.add( Dense(100, activation='sigmoid', input_shape=(22,)) ) 
model.add( Dropout(0) ) 
model.add( Dense(100, activation='sigmoid' ) )
model.add( Dropout(0) )
model.add( Dense(100, activation='sigmoid' ) )
model.add( Dropout(0) )
model.add( Dense(1, activation='sigmoid') ) 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

如何在 python 中获得类似的结果？ 先感谢您！

Answer 1

值得一提的是，您不需要为此切换到 python，keras 在 R 中可用。 您可以在 R 中使用 keras 定义类似的 model ，如下所示：

library(keras)
model <- keras_model_sequential(input_shape = c(22)) %>%
  layer_dense(100, activation = "relu") %>%
  layer_dropout(.4) %>%
  layer_dense(100, activation = "relu") %>%
  layer_dropout(.4) %>%  
  layer_dense(100, activation = "relu") %>%
  layer_dropout(.4) %>%
  layer_dense(1, activation = "sigmoid")

model %>% compile(loss = 'binary_crossentropy', 
                  optimizer = 'adam', metrics = 'accuracy')
model # prints summary by default