Tensorflow框架搭建深度学习神经网络笔记（1）——基于tf.keras高阶API

tf.keras是tensorflow目前最新的一个高阶API，目前tf的官网都是以此为指南来教大家入门tensorflow

这个API的使用和此前需要session不同，用这个API搭建de两种方式：

1. tf.keras.Sequential:一层一层得顺序搭建一个模型
2. tf.keras.Model:函数API，可以创建多输入、多输出模型

这里的笔记以tf.keras.Sequential为示例

初始化模型

#导入相应的库
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
#以mnist数据集为例
import keras.datasets.minist as mnist
(train_image,train_lable),(test_image,test_lable) = mnist.load_data()
#查看数据的shape
train_image.shape
import matplotlib.pyplot as plt
#将图片显示在当前页面
%matplotlib inline 
plt.imshow(train_image[3])
#把图片展平，因为这里我们用tf.keras.Sequential这种方式来建立模型
train_image = train_image.reshape(-1,28*28)
#正式开始建立模型
model = keras.Sequential()

添加层，构建网络

#网络的第一层要给定输入数据的shape
model.add(layers.Conv2D(64,(3,3),strides=(1,1),activation='relu',input_shape=(784,)))
model.add(layers.MaxPooling2D((2,2)))