tebsorflow2.0 eager模式与自定义训练网络
于 2020-05-11 22:50:40 首次发布
本文介绍了TensorFlow 2.x中推荐的eager模式,与1.x静态图模式的区别在于运算可立即得到结果。在eager模式下,张量是不可变对象,可以进行numpy与tensor之间的转换。文章还涉及变量的创建与自动微分计算,并通过手写数据集展示如何自定义网络,包括数据预处理、批量化、网络构建、损失函数、准确率计算及梯度求取。在训练过程中,展示了如何监控test数据的变化。
摘要由CSDN通过智能技术生成