用Tensorflow API：tf.keras搭建网络八股（二）

用Tensorflow API：tf.keras搭建网络八股（二）

前面第一部分写了用Sequential来设计网络结构，但是也有一些弊端，Sequential无法设计一些带有跳连接的非顺序网络结构，这个时候可以选择用Class类来自定义网络结构。

class MyModel(Model):
def __init__(self):
super(MyModel, self).__init__()
定义网络结构块
def call(self, x):
调用网络结构块，实现前向传播
return y
model = MyModel()

这里在代码开始要导入Model类，Class类中__init__( ) 定义所需网络结构块，call( ) 写出前向传播。同样使用鸢尾花数据集来演示，总体代码如下：

import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow.keras import Model
from sklearn import datasets
import numpy as np
#获取数据集和标签
x_train = datasets.load_iris().data
y_train = datasets.load_iris().target
#数据集乱序
np.random.seed(116)
np.random.shuffle(x_train)
np.random.seed(116)
np.random.shuffle(y_train)
tf.random.set_seed(116)
#自定义网络结构
class IrisModel(Model):
    def __init__(self):
        super(IrisModel, self).__init__()
        self.d1 = Dense(3, activation='softmax', kernel_regularizer=tf.keras.regularizers.l2())

    def call(self, x):
        y = self.d1(x)
        return y

model = IrisModel()

model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.1),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
              metrics=['sparse_categorical_accuracy'])

model.fit(x_train, y_train, batch_size=32, epochs=500, validation_split=0.2, validation_freq=20)
model.summary()