Tensorflow2.0学习

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

1. 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）。
2. 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
3. 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()

1. 功能

用于实例化一个keras张量Keras Tensor

2. 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
)

3. 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 and batch_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）

4. 返回值：
   张量
5. 应用举例：

x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)

Modules

Model

1. 功能：用于生成一个模型
2. 函数原型：

tf.keras.Model(
    *args, **kwargs
)

3. 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

4. 返回值：Model
5. 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

1. compile

compile(
    optimizer='rmsprop', loss=None, metrics=None, loss_weights=None,
    weighted_metrics=None, run_eagerly=None, **kwargs
)