09_ tf.keras函数式API详解
1.Functional API概述
Functional API
是完全可以 cover Sequential Model
的,也就是说SequentialModel
可以完成的任务FnctioanlAPI
都可以完成。
相关文档:
1.1 什么时候需要Functional API:
- 多输入模型
- 多输出模型
- 有向无环图模型
- 有共享权重的层
1.2 Functional API的特征
- 始于
tensorflow.keras.layers.Input()
- 终于大
Model
,即tensorflow.keras.models.Model()
- Layer的实例是可调用的,它以张量为参数,并且返回一个张量,模型通过各个
Layer
将Tensor
联结起来 - 每一个
Layer
的类第一次调用返回的是Layer
的实例 Tensor
的变量名可以重复使用- 一个模型也可以像网络层一样调用
1.3 Input
Input
用于实例化张量,因此该方法返回的就是一个张量。方法原型:
tensorflow.keras.layers.Input()
主要参数:
shape
: 一个尺寸元组(整数),不包含批量大小。batch_shape
: 一个尺寸元组(整数),包含批量大小。 例如,batch_shape=(10, 32) 表明期望的输入是 10 个 32 维向量。 batch_shape=(None, 32) 表明任意批次大小的 32 维向量。name
: 一个可选的层的名称的字符串。 在一个模型中应该是唯一的(不可以重用一个名字两次)。 如未提供,将自动生成。dtype
: 输入所期望的数据类型,字符串表示 (float32, float64, int32…)sparse
: 一个布尔值,指明需要创建的占位符是否是稀疏的。tensor
: 可选的可封装到 Input 层的现有张量。 如果设定了,那么这个层将不会创建占位符张量。
1.4 Model
返回一个模型实例。
tensorflow.keras.models.Model()
主要参数:
input
:模型的输入output
:模型的输出
2.Functional API示例
input_ = Input(shape=input_shape) #始于layers.Input
net = Conv2D(64,3,strides=1,padding='same',activation='relu',name='conv1')(input_)
net = Conv2D(64,3,strides=1,padding='same',activation='relu',name='conv2')(net)
net = MaxPooling2D(2,2,'same',name='block1_maxpool')(net)
net = Flatten(name='flatten')(net)
net = Dense(4096, activation='relu', name='fc')(net)
net = Dense(classes, activation='softmax', name='predictions')(net)
model = Model(input_, net, name='VGG19')
Functional API
构建模型始于layers.Input
,Input
中的参数是输入数据的尺寸,所以知道了输入数据的格式Input
就完成了,Iput
会返回一个Tensor
,所以代码中的input_
就是一个张量,下面就是完成模型的结构。
来看
net = Conv2D(64,3,strides=1,padding='same',activation='relu',name='conv1')(input_)
这句代码可以拆开来看,首先Conv2D(64,3,strides=1,padding='same',activation='relu',name='conv1')
根据其中的参数返回Conv2D
这个类的instance
,也就是实例,前面说过,Layer
的实例是可调用的,它以张量为参数,并且返回一个张量,模型通过各个Layer
将Tensor
联结起来,这个实例在前面Input
返回的Tensor(input_)
上进行调用,在返回一个net
,也就是说net
是input_
经过一个Conv2D
处理之后的一个Tensor
,下面的代码原理相同。