第三讲-神经网络八股

最新推荐文章于 2024-07-10 09:51:03 发布

loveysuxin

最新推荐文章于 2024-07-10 09:51:03 发布

阅读量289

点赞数

分类专栏： Tensorflow 文章标签： tensorflow

本文链接：https://blog.csdn.net/LOVEYSUXIN/article/details/111551178

版权

本文介绍了使用TensorFlow的tf.keras模块搭建神经网络的六步法，包括Sequential模型的使用，详细讲解了拉直层、全连接层、卷积层和LSTM层的配置，并阐述了模型编译、训练及评估的步骤。示例展示了如何用Sequential模型实现鸢尾花分类。

摘要由CSDN通过智能技术生成

一、搭建神经网络六部法

tf.keras 搭建神经网络六部法

1、import相关模块 
2、train,test    # 训练集、测试集
3、model = tf.keras.models.Sequential  # 逐层搭建网络结构
4、model.compile  # 配置训练方法，选择训练使用的优化器、损失函数和最终评价指标
5、model.fit    # 执行训练过程，告知训练集和测试集的输入值和标签、每个batch的大小（batchsize）和数据集的迭代次数（epoch）
6、model.summary   # 打印网络结构，统计参数数目

函数用法介绍：

--- model = tf.keras.models.Sequential（[网络结构]） # 描述各层网络

Sequential函数是一个容器，描述了神经网络的网络结构，在Sequential函数的输入参数中描述从输入层到输出层的网络结构。

网络结构举例：

拉直层：tf.keras.layers.Flatten()

拉直层可以变换张量的尺寸，把输入特征拉直为一维数组，是不含计算参数的层。

全连接层：tf.keras.layers.Dense(神经元个数，activation=“激活函数”，kernel_regularizer=“那种正则化”)

其中，activation可选relu、softmax、sigmoid、tanh等（需字符串给出）；

Kernel_regularizer可选tf.keras.regularizers.l1()、tf.keras.regularizers.l2()

卷积层：tf