Tensorflow搭建神经网络八股及实现鸢尾花数据集分类

tensorflow笔记系列文章均参考自中国大学Mooc上北京大学软件与微电子学院曹建老师的《Tensorflow笔记2》课程。曹建老师讲的非常棒，受益良多，强烈建议tensorflow初学者学习。

使用keras搭建神经网络通常有以下六步：

• import 相关模块
• train, test 说明训练集和测试集
• model = tf.keras.models.Sequential 搭建网络结构，逐层描述每层网络
• model.compile 配置训练方法，例如优化器、损失函数、评测指标
• model.fit 执行训练过程
• model.summary 打印出网络的结构和参数统计

Sequential()用法

Sequential()可以认为是一个容器，里面封装了一个神经网络的结构，在Sequential()要描述从输入层到输出层每一层的网络结构，语法如下：

model = tf.keras.models.Sequential([网络结构])

网络结构举例：

拉直层：tf.keras.layers.Flatten()，这一层不含计算，只是将输入数据拉直变成一维数组

全连接层：tf.kears.layers.Dense(神经元个数,activation="激活函数",kernel_regularizer=哪种正则化)，其中激活函数可选:relu、softmax、sigmoid、tanh，正则化可选：tf.kears.regularizers.l1()、tf.keras.regularizers.l2()

卷积层：tf.keras.layers.Conv2D(filters=卷积核个数,kernel_size=卷积核尺寸，strides=卷积步长，padding="valid"或者"same")

LSTM层：tf.keras.layers.LSTM()

compile()用法

compile指定网络的优化器、损失函数以及评测指标，语法如下：