1、模型构建
- Sequential():构建序列模型,层与层线性堆叠。
- Model():构建任意结构模型,可以有分支和合并。
- Input():定义输入张量。
- Dense():全连接层。
- Conv2D():二维卷积层。
- MaxPool2D():二维最大池化层。
- Flatten():展平层。
- Dropout():随机失活层,防止过拟合。
2、编译与训练
- compile():编译模型,指定损失函数、优化器和指标。
- fit():训练模型。
- evaluate():评估模型。
- predict():预测新数据。
3、损失函数
- sparse_categorical_crossentropy:整数编码的多类交叉熵损失函数。
- categorical_crossentropy:多类的交叉熵损失函数。
- binary_crossentropy:二分类的交叉熵损失函数。
- mean_squared_error:均方误差损失函数。
4、优化器
- SGD:随机梯度下降优化器。
- RMSprop:RMSprop优化器。
- Adam:Adam优化器。
- Adadelta:Adadelta优化器。
- Adagrad:Adagrad优化器。
5、指标
- accuracy:准确率指标。
- sparse_categorical_accuracy:整数编码多类准确率指标。
- categorical_accuracy:多类准确率指标。
- mean_squared_error:均方误差指标。
6、其他
- Model.summary():打印模型结构概况。
- Model.layers:访问模型的层。
- Model.weights:访问模型的权重。
- tf.keras.callbacks.*:定义回调函数。