tensorflow 使用深度学习（二）

最新推荐文章于 2023-12-07 17:15:07 发布

东哥爱编程

最新推荐文章于 2023-12-07 17:15:07 发布

阅读量173

点赞数

分类专栏：深度学习文章标签：深度学习 tensorflow python

本文链接：https://blog.csdn.net/monk96/article/details/125765515

版权

深度学习专栏收录该内容

31 篇文章 3 订阅

订阅专栏

该博客介绍了如何使用Keras库构建一个包含L2正则化的卷积神经网络（CNN）。模型包括了Conv2D、MaxPool2D和Dense层，同时使用了'random_normal'初始化权重，并保存了训练检查点。优化器为Adam，损失函数为categorical_crossentropy，评估指标为accuracy。

摘要由CSDN通过智能技术生成

说明

惩罚系数

kernel_regularizer = tf.keras.regularizers.L2(
    l2=0.01, **kwargs
)

参考官网api

随机初始化参数

kernel_initializer="random_normal",
# 构建神经网络
checkpoint_path = "training/cp.ckpt"
model = keras.Sequential([
    keras.layers.Conv2D(64, (3, 3), 1, padding='same', activation="relu",kernel_initializer="random_normal", input_shape = (32, 32, 1),kernel_regularizer='l2'),
    keras.layers.MaxPool2D(2, 2),
    keras.layers.Conv2D(128, (3, 3), 1, activation='relu', kernel_regularizer='l2'),
    keras.layers.MaxPool2D(2, 2),
    keras.layers.Flatten(),
    keras.layers.Dense(256, activation='relu'),
    keras.layers.Dense(40, activation='softmax')
])
model.compile(optimizer='adam', loss = keras.losses.categorical_crossentropy, metrics=['acc'])
model.summary()
# model.load_weights(checkpoint_path)