11.tf.keras函数式API

最新推荐文章于 2022-03-20 21:31:01 发布
最新推荐文章于 2022-03-20 21:31:01 发布
阅读量189 收藏
点赞数
分类专栏： tensorflow笔记 文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/potato123232/article/details/120553582
版权

目录

1  导入库

2  导入数据并归一化

3  使用函数式api

4  编译模型

5  训练模型

6  评估模型

7  其他

1  导入库

2  导入数据并归一化

我们看一下train_images的shape

第一个值是我们的个数，后面两个值是宽高像素值


3  使用函数式api

使用函数式API实际上只是在构建模型中换了一个写法，对其他的东西没有影响

首先我们定义一个输入

之后使用Flatten层，然后使用Dense层，在之后使用Dropout,之后再使用dense层，最终使用一个dense层作为输出层

之后使用keras.Model定义model，这样我们的model就建立好了

我们看一下现在这个模型

这个模型和我们之前构建的相似，多了一个input

如果按照我们之前的写法就是这样写

我们看一下这个模型

剩下的就与之前讲的完全相同了


4  编译模型

5  训练模型

  • 截取了头和尾

6  评估模型

7  其他

我们使用函数式API可以输入多组数据，比如我们现在想比较输入的两组数据是否相同，我们就可以这样搭建模型

我们看一下现在这个模型

后面会介绍函数式API的示例，在这里我们就不进行训练了

Suyuoa
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
tf.keras_分类模块数据归一化.ipynb_quietlyxoc_keras_归一化_lateory_tf.keras_源
10-01
将训练数据归一化，归一化不但有用，作用还是很巨大的。它可以防止梯度爆炸和梯度消失
【tf.keras】官方教程之二 函数式API
baicaiBC3的博客
03-14 99
tf的API学习（01）——Keras
littleyy666的博客
12-07 1147
0介绍 参考 基于https://tensorflow.google.cn/versions/r2.6/api_docs/python/tf/keras?hl=zh_cn
09_ tf.keras函数式API详解
Hundreays
03-28 2442
import cv2 as cv import matplotlib.pyplot as plt import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential from keras.layers import Dense...
tf.keras快速入门——函数式API
梦否
02-02 372
在上篇中简单的使用了序列模型，由于序列模型只能表示为神经网络层的简单堆叠，而无法表示成任意模型。故而这里将使用函数式API来构建更加复杂的模型。 在鸢尾花分类一文中简单使用了序列模型来解决这个问题，这里将使用函数式API来解决这个问题，体验使用函数式API的便捷性。 先看看官方案例： import tensorflow as tf inputs = tf.keras.Input(shape=(3,)) x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(
【深度学习】函数式API
Mirai的博客
03-20 1853
一、总结 input = tf.keras.Input(shape=(28,28))：明确输入的规模后，使用flatten无须再指明规模 tf.keras.layers.Flatten()：作为函数使用 model=tf.keras.Model(inputs=input, outputs=output)：模型函数 x=tf.keras.layers.concatenate([x1,x2])：合并两个扁平化的输入，预测是否为同一类 model=tf.keras.Model(inputs=[input1,inp
keras:model.compile损失函数的用法
09-16
主要介绍了keras:model.compile损失函数的用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tf.keras.layers.Layer自定义层
12-20
class MyLayer(tf.keras.layers.Layer): def __init__(self, output_dim, **kwargs): self.output_dim = output_dim super(MyLayer, self).__init__(**kwargs) def build(self, input_shape): # Create a ...
tf.keras.datasets数据源
08-02
boston_housing module: Boston housing price regression dataset. cifar10 module: CIFAR10 small images classification dataset. ...tf.keras.datasets.reuters.get_word_index( path='reuters_word_index.json' )
tf.keras.datasets
07-15
tf.keras.datasets的全部数据集。使用的时候解压到~/.keras/datasets。 ~是你的用户文件夹。
函数式API
轻羽羽的博客
11-22 572
model.add(layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)) 32表示通道数，即特征的数量，一般是32或64（第一层32，之后64，再展平） 池化不改变特征数，改变图像的长和高 # 卷积-池化，多次循环后展平 mode...
Keras函数式(functional)API的使用
技术的点点滴滴
05-26 4030
多层感知器(Multilayer Perceptron) 定义了用于二分类的多层感知器模型。模型输入32维特征，经过三个全连接层，每层使用relu线性激活函数，并且在输出层中使用sigmoid激活函数，最后用于二分类。 ##------ Multilayer Perceptron ------## from keras.models import Model from keras.layers i...
Keras学习笔记（函数式API）
qq_41359817的博客
07-08 402
Keras学习笔记（函数式API） 1.函数式API可以用来设计很复杂的模型，如下图模型结构： 存在三个输入以及两个输出，在够贱的时候我们可以把layer当做堆积木一样，一块一块堆积，合并的方法现在有： layers.concatenate： 合并，叠加效果 layers.average： 相加求平均 layers.add： 相加 等… 条件就是除数据的最后一个维度外，其余维度必须相同（不同的应该也可以使用广播的方法进行层的合并），下面献上代码： from keras.models import Mode
tf.keras 07: Keras function API 使用指南
stay hungry, stay foolish.
04-25 1185
本文介绍了用于编写自定义层的 Keras function API。
keras 函数式API
suy的博客
02-27 317
一、函数式API基础 from keras import Input, layers from keras.models import Model input_tensor = Input(shape=(64,)) #input_tensor值为<tf.Tensor 'input_5:0' shape=(?, 32) dtype=float32> #其类型为tensorflow.py...
keras功能API
Fei的博客
04-17 1625
文章目录准备介绍多模型计算层和模型都是可调用的复杂拓扑计算图的控制多输入和多输出一个`ResNet`玩具模型层共享提取和复用层自定义层实现API扩展何时使用功能API 准备 !pip3 install tensorflow==2.0.0a0 %matplotlib inline import tensorflow as tf from tensorflow import keras Lookin...
Tensorflow2.0——“tf.keras”API
小白一直白
08-02 226
目录前言基本模型搭建 tf.keras.Sequential模型评估模型预测函数API模型类模型回调函数模型的保存和恢复 前言 Keras是一个基于Python编写的高层神经网络API，强调用户友好性、模块化及易扩展等，其后端可以采用TensorFlow、Theano及CNTK，目前大多是以TensorFlow作为后端引擎的。考虑到Keras优秀的特性及它的受欢迎程度，TensorFlow将Keras的代码吸收进来，并将其作为高级API提供给用户使用。“tf.keras”不强调原来Keras的后端可互换性
TF API
seawolfe的博客
04-07 1547
1       数据类型 定义在 tf/transform_datatypes.h 1.1   基本数据类型 1.2   tf::Stamped 除了tf::Transform外的带有frame_id_ （坐标系名称std::string）和 stamp_（时间戳ros::Time）的模板 Stamped(constT& input, constros::Time& timesta
Keras Model模型方法
热门推荐
李鑫玉的博客
10-19 2万+
Model模型方法 compile compile(self, optimizer, loss, metrics=None, loss_weights=None, sample_weight_mode=None, weighted_metrics=None, target_tensors=None) 本函数编译模型以供训练，参数有 optimizer：优化器，为预定义优化器名或优化器对象，参考优...
tf.keras.Input
最新发布
09-12
通过tf.keras.Input函数定义的输入层是通过函数式API的方式定义模型的输入。相比于Sequential模型，函数式API更加灵活，可以处理更加复杂的模型结构。 总之，tf.keras.Input函数是TensorFlow中用来定义模型输入层的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Suyuoa

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值