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)
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)
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)
猜你還喜歡下面的內(nèi)容