Tensorflow2.0学习记录之文档学习
!!!本博客只是学习记录 !!!
!!!本博客只是学习记录 !!!
!!!本博客只是学习记录 !!!
如有幸被蒙看官厚爱,还请只图一乐,不要当成学习资料(翻译:不要妄想从本菜鸟这儿学到任何东西!哼~)
主要参考资料为tensorflow中文官方网站.
tensorflow APIs
废话不多说,直接快进到API。Tensorflow支持python
,C++
,JAVA
等编程语言。其中以python最为完备和简单。好吧,我只关心python。
tensorflow2.0 Python 架构
Tensorflow 在python中作为一个模块而存在。可以通过
import tensorflow as tf
来召唤。
tensorflow
作为模块,本身也具有复杂的架构。官方文档列出了一下三个层级的架构:
- modules
- classes
- functions
Modules
由tf.module_name
来调用,常用的modules包括tf.keras
,tf.audio
,tf.math
等等(其实我并不知道后面两个是不是常用的,毕竟我只是个新手orz)。Classes
也是(大多?)通过tf.class_name
来调用的,我熟悉的有。。。(emm好像没有熟悉的)。算了,直接挑几个上来吧:tf.Tensor
,tf.zero_initializer
- 我随便看了几个,有通过先调用
tf.module_name
,再从该module中调用fuction的。比如,tf.math.abs
,tf.math.mininum
,也有直接调用的,for example,tf.norm
,tf.reverse
tf.keras学习
稀里糊涂地看了下tf的架构,就直接学keras
了。
keras
是tensorflow包含的一个非常重要的模块,有多重要呢?emmm以鄙人的感受来说就是tf2.0每次import的时候都会单独import keras,有时甚至还要进一步import keras的子模块(话糙理不亏嘛QAQ)。
import tensorflow as tf
from tensorflow import keras
规范的重要性阐述小生目前还不会,希望学完之后能够略讲一二吧。
不多说,搞它!(以及搞它子模块)
tf.keras
总揽
tf.keras
是tensorflow2.0的高阶API,用于构建和训练深度学习模型。同样包含子模块、类和函数。
先import一下以减少书写量(坏笑)
from tensorflow import keras
其常见的子模块Modules
包括:
layers
metrics
optimizer
等等
Classes
只有两个
Modole
Sequential
Functions
只有一个(所以应该写成Function
?)
Input
lei看看这些都是什么神通吧。
再次为偷懒作准备:
from tensorflow.keras import *
先从简单的开始。
Functions
Input()
- 功能
用于实例化一个keras张量
Keras Tensor
- 函数原型(原谅我直接复制):
tf.keras.Input(
shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None,
ragged=False, **kwargs
)
- 参数:
- shape:要创建的张量的格式,如:(34,)代表34维。但不能传入批处理的大小
- batch_size: 批处理的量,可以为None
- name:还没弄懂先留着
- dtype:变量的类型,如
float32
- sparse: 没弄懂
- tensor:用于将存在的张量包装到此张量中
- ragged:没弄懂
- **kwargs: 用于指定
batch_shape
andbatch_input_shape
.**表示在该位置接受任意多个keyword
参数,在该位置转化为字典:[key1: value1, key2: value2]
(另:*表示在该位置接受任意多个非关键字(non-keyword
)参数), 在该位置转化为元组(value1, value2)
- 返回值:
张量 - 应用举例:
x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)
Modules
Model
- 功能:用于生成一个模型
- 函数原型:
tf.keras.Model(
*args, **kwargs
)
- 参数:
- inputs:模型的输入。对象是
keras.Input()
。 - outputs: 模型的输出
- name: 模型的名称
- 返回值:Model
- 举例:
import tensorflow as tf
inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
模型完成之后,有如下操作:
model.compile()
:指定损失函数和指标metrics
model.fit()
:训练模型model.predict()
:使用训练好的模型来做预测
Model的方法Method
compile
compile(
optimizer='rmsprop', loss=None, metrics=None, loss_weights=None,
weighted_metrics=None, run_eagerly=None, **kwargs
)