引言

TensorFlow提供了多種API，使得入門者和專家可以根據(jù)自己的需求選擇不同的API搭建模型。

成都創(chuàng)新互聯(lián)公司專注于張掖企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè)公司,商城網(wǎng)站定制開發(fā)。張掖網(wǎng)站建設(shè)公司,為張掖等地區(qū)提供建站服務(wù)。全流程按需規(guī)劃網(wǎng)站，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，成都創(chuàng)新互聯(lián)公司專業(yè)和態(tài)度為您提供的服務(wù)

基于Keras Sequential API搭建模型

Sequential適用于線性堆疊的方式搭建模型，即每層只有一個(gè)輸入和輸出。

import tensorflow as tf

# 導(dǎo)入手寫數(shù)字?jǐn)?shù)據(jù)集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test)= mnist.load_data()

# 數(shù)據(jù)標(biāo)準(zhǔn)化
x_train, x_test = x_train/255, x_test/255

# 使用Sequential搭建模型
# 方式一
model = tf.keras.models.Sequential([

# 加入CNN層(2D), 使用了3個(gè)卷積核, 卷積核的尺寸為3X3, 步長(zhǎng)為1, 輸入圖像的維度為28X28X1
    tf.keras.layers.Conv2D(3, kernel_size=3, strides=1, input_shape=(28, 28, 1)),

# 加入激活函數(shù)
    tf.keras.layers.Activation('relu'),

# 加入2X2池化層, 步長(zhǎng)為2
    tf.keras.layers.MaxPool2D(pool_size=2, strides=2),

# 把圖像數(shù)據(jù)平鋪
    tf.keras.layers.Flatten(),

# 加入全連接層, 設(shè)置神經(jīng)元為128個(gè), 設(shè)置relu激活函數(shù)
    tf.keras.layers.Dense(128, activation='relu'),

# 加入全連接層(輸出層), 設(shè)置輸出數(shù)量為10, 設(shè)置softmax激活函數(shù)
    tf.keras.layers.Dense(10, activation='softmax')
])

# 方式二
model2 = tf.keras.models.Sequential()
model2.add(tf.keras.layers.Conv2D(3, kernel_size=3, strides=1, input_shape=(28, 28, 1)))
model2.add(tf.keras.layers.Activation('relu'))
model2.add(tf.keras.layers.MaxPool2D(pool_size=2, strides=2))
model2.add(tf.keras.layers.Flatten())
model2.add(tf.keras.layers.Dense(128, activation='relu'))
model2.add(tf.keras.layers.Dense(10, activation='softmax'))

# 模型概覽
model.summary()

"""
Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d (Conv2D)             (None, 26, 26, 3)         30        

 activation (Activation)     (None, 26, 26, 3)         0         

 max_pooling2d (MaxPooling2D  (None, 13, 13, 3)        0         
 )                                                               

 flatten (Flatten)           (None, 507)               0         

 dense (Dense)               (None, 128)                    

 dense_1 (Dense)             (None, 10)                1290      

=================================================================
Total params: 66,344
Trainable params: 66,344
"""

# 編譯 為模型加入優(yōu)化器, 損失函數(shù), 評(píng)估指標(biāo)
model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

# 訓(xùn)練模型, 2個(gè)epoch, batch size為100
model.fit(x_train, y_train, epochs=2, batch_size=100)

分享標(biāo)題：TensorFlow搭建模型方式總結(jié)
文章網(wǎng)址：http://chinadenli.net/article48/dsogjhp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供云服務(wù)器、網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站、用戶體驗(yàn)、網(wǎng)站導(dǎo)航、域名注冊(cè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)