TensorFlow Keras API用法
TensorFlow Keras API用法
Keras 是與 TensorFlow 一起使用的更高級(jí)別的作為后端的 API。添加層就像添加一行代碼一樣簡單。在模型架構(gòu)之后，使用一行代碼，可以編譯和擬合模型，可以用于預(yù)測。變量聲明、占位符甚至?xí)挾加?API 管理。
具體做法
-
定義模型的類型。Keras 提供了兩種類型的模型：序列和模型類 API。Keras 提供各種類型的神經(jīng)網(wǎng)絡(luò)層：
-
在 model.add() 的幫助下將層添加到模型中。依照 Keras 文檔描述，Keras 提供全連接層的選項(xiàng)（針對(duì)密集連接的神經(jīng)網(wǎng)絡(luò)）：
注意，密集層實(shí)現(xiàn)的操作：output=activation(dot(input，kernel)+bias)，其中 activation 是元素激活函數(shù)，是作為激活參數(shù)傳遞的，kernel 是由該層創(chuàng)建的權(quán)重矩陣，bias 是由該層創(chuàng)建的偏置向量（僅在 use_bias 為 True 時(shí)適用）。
3. 可以用來添加盡可能多的層，每個(gè)隱藏層都由前一層提供輸入。只需要為第一層指定輸入維度：
-
一旦模型被定義，需要選擇一個(gè)損失函數(shù)和優(yōu)化器。Keras 提供了多種損失函數(shù)（mean_squared_error、mean_absolute_error、mean_absolute_percentage_error、categorical_crossentropy 和優(yōu)化器（sgd、RMSprop、Adagrad、Adadelta、Adam 等）。損失函數(shù)和優(yōu)化器確定后，可以使用 compile（self，optimizer，loss，metrics=None，sample_weight_mode=None）來配置學(xué)習(xí)過程：
-
使用 fit 方法訓(xùn)練模型：
-
可以在 predict 方法 predict(self，x，batch_size=32，verbose=0) 的幫助下進(jìn)行預(yù)測：
Keras 提供選項(xiàng)來添加卷積層、池化層、循環(huán)層，甚至是局部連接層。每種方法的詳細(xì)描述在 Keras 的官方文檔中可以找到：https://keras.io/models/sequential/。
總結(jié)
以上是生活随笔為你收集整理的TensorFlow Keras API用法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： MindSpore：自动微分
- 下一篇： 卷积神经网络(CNN,ConvNet)