2️⃣ 安裝與基本使用

🎯 如何安裝 Keras？

Keras 是 基於 TensorFlow 的深度學習框架，因此我們需要安裝 TensorFlow 來使用 Keras。

✅ 安裝 TensorFlow 和 Keras

pip install tensorflow keras

✅ 檢查安裝是否成功

import tensorflow as tf
print(tf.__version__)
print(tf.keras.__version__)

🚀 如果成功顯示 TensorFlow 和 Keras 版本，表示安裝完成！

---

🎯 建立第一個 Keras 模型

我們使用 Sequential API 來建立一個簡單的神經網路。

from tensorflow import keras
from tensorflow.keras import layers

# 建立模型
model = keras.Sequential([
    layers.Dense(64, activation='relu', input_shape=(10,)),
    layers.Dense(1, activation='sigmoid')
])

# 編譯模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 查看模型結構
model.summary()

✅ 這是一個簡單的全連接神經網路（DNN），適用於二元分類任務。

---

🎯 訓練與評估模型

我們使用 假設的訓練數據 來訓練模型。

import numpy as np

# 建立假設數據
x_train = np.random.rand(100, 10)
y_train = np.random.randint(0, 2, size=(100,))

# 訓練模型
model.fit(x_train, y_train, epochs=10, batch_size=32)

✅ 這將訓練模型 10 個 epochs，每次 batch 為 32。

評估模型

x_test = np.random.rand(20, 10)
y_test = np.random.randint(0, 2, size=(20,))

loss, acc = model.evaluate(x_test, y_test)
print(f"測試準確率：{acc:.2f}")

✅ 這將在測試數據上評估模型的表現。

---

📝 總結

功能	語法
安裝 Keras	pip install tensorflow keras
建立模型	keras.Sequential([...])
編譯模型	model.compile(optimizer, loss, metrics)
訓練模型	model.fit(x_train, y_train, epochs, batch_size)
評估模型	model.evaluate(x_test, y_test)

🚀 現在你已經學會如何安裝 Keras 並建立第一個深度學習模型！接下來，我們將深入探討 Keras 的模型結構與 API！ 😊