TensorFlow高层封装-Slim,Keras,Estimator

最新推荐文章于 2024-08-17 11:51:16 发布

yyyzhhhhh

最新推荐文章于 2024-08-17 11:51:16 发布

阅读量4.8k

点赞数 2

分类专栏： tensorflow 文章标签： tensorflow slim keras estimator

本文链接：https://blog.csdn.net/a13602955218/article/details/80933625

版权

本文介绍了TensorFlow的高层封装库，包括使用tf.slim实现的MNIST上的LeNet-5模型，利用Keras构建的RNN情感分析模型，以及Keras的灵活性展示，同时概述了Estimator的基本应用。

摘要由CSDN通过智能技术生成

现在比较流行的tensorflow高层封装主要有4个，分别是Slim,TFLearn,Keras,Estimator.

使用tf.slim在MNIST数据集上实现LeNet-5模型

import tensorflow as tf
import tensorflow.contrib.slim as slim
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data

def LeNet(input):
    input = tf.reshape(input,[-1,28,28,1])
    net = slim.conv2d(input,32,[5,5],stride=1,padding='SAME',scope='conv1')
    net = slim.max_pool2d(net,2,stride=2,padding='VALID',scope='pool2')
    net = slim.conv2d(net,64,[5,5],stride=1,padding='SAME',scope='conv3')
    net = slim.max_pool2d(net,2,stride=2,padding='VALID',scope='pool4')
    net = slim.flatten(net,scope='flatten')
    net = slim.fully_connected(net,500,scope='fc5')
    net = slim.fully_connected(net,10,scope='output')

    return net

def train(mnist):
    x = tf.placeholder(tf.float32,[None,784],name='x')
    y_ = tf.placeholder(tf.float32,[None,10],name='y')

    y = LeNet(x)
    cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y,labels=tf.argmax(y_,1))
    loss = tf.reduce_mean(cross_entropy)
    precision = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(y,1),tf.argmax(y_,1)),tf.float32))
    train_step = tf.train.GradientDescentOptimizer(0.003).minimize(loss)

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())

        for i