Tensorflow 2.0 keras.models.Sequential() Model() 创建网络的若干方式及共享权重问题

最新推荐文章于 2025-03-20 09:22:23 发布

老光头_ME2CS

最新推荐文章于 2025-03-20 09:22:23 发布

阅读量8.3k

点赞数 6

分类专栏： Tensorflow 学习笔记 Python 卷积神经网络文章标签：深度学习 tensorflow 神经网络

本文链接：https://blog.csdn.net/Forrest97/article/details/106120080

版权

本文介绍了在Tensorflow 2.0中使用tf.keras.Sequential和tf.keras.Model创建神经网络的不同方法，包括简单线性堆叠和复杂网络构造。还详细讨论了如何通过继承类来构建网络，以及如何实现权重共享。此外，文章提到了Tensorflow静态图与Pytorch动态图的区别，并提供了网络训练的相关链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

keras建立网络的方法可以分为keras.models.Sequential() 和keras.models.Model()、继承类三种方式。
注意：tensorflow2.* 以后的版本可以直接使用tf.keras.Sequential()和tf.keras.Model()两个类。不用再使用keras.models的API

keras.models.Sequential() ()

适用于简单线性堆叠网络。
流程：创建Sequential()对象，逐层堆叠网络

import tensorflow as tf
from tensorflow.keras import layers, models

model = models.Sequential()

model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))

model