[tensorflow2笔记五] 使用八股搭建神经网络

用Tensorflow API：tf.keras搭建网络八股,全连接网络

1. 六步法

import									# 模块
train, test								# 训练集和测试集

# 二选一
model = tf.keras.models.Sequential		# 逐层搭建网络结构
class MyModel(Model)	model = Model()	# 类搭建网络

model.compile	    					# 配置训练方法（优化器、损失函数、评价指标）
model.fit								# 训练
model.summary							# 打印出网络结构和参数统计

2. 用法

（1）Sequential可以认为是一个容器，封装了一个神经网络结构。

拉直层：tf.keras.layers.Flatten()
# 该层不含计算，只是形状转换，把输入特征拉直变成一维数组。

全连接层：tf.keras.layers.Dense(神经元个数，
								activation=”激活函数”,
								kernel_regularizer=哪种正则化)
# 激活函数（以字符串形式给出）：relu, softmax, sigmoid, tanh
# 正则化：tf.keras.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” or “same”)
     
循环神经网络层LSTM层：tf.keras.layers.LSTM()

（2）model.compile(optimizer=优化器，loss=损失函数，metrics=[“准确率”])

Optimizer可选：‘sgd’	‘adagrad’		‘adadelta’ 	‘adam’

loss可选：‘mse’或者tf.keras.losses.MeanSquareError()	
		   ‘sparse_categorical_crossentropy’或者
		     tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)
			# 其中，False:是否原始输出（没有经过softmax概率分布的输出）

Metics可选：‘accuracy’:y和y_都是数值
		    ‘categorical_accuracy’:y_和y都是独热码
			‘sparse_categorical_accuracy’:y_是数值，y是独热码（概率分布）

（3）model.fit()

model.fit(
			训练集的输入特征，训练集的标签，
			batch_size=		, epochs=		,
			validation_data=(测试集的输入特征，测试集的标签)，
			validation_split=从训练集划分多少比例给测试集，
			validation_freq=多少次epoch测试一次
			)

（4）model.summary():打印网络结构参数

Sequential方法搭建网络，很简单，但无法写出一些带有跳连的非顺序网络结构。此时可以使用类class封装一个搭建网络结构。

Class MyModel(Model):  #Model继承keras的Model类
	def __init__(self):
		super(MyModel, self).__init__()
		#定义网络结构块
		self.d1 = Dense(3)  # 3个神经元的全连接
	def call(self, x):
		# 调用网络结构块，实现前向传播
		y = self.d1(x)
		return y
model = MyModel()

3. mnist数据集

（1）MNIST数据集介绍

6万张 2828像素点的0~9手写数字图片和标签，用于训练
1万张2828像素点的0~9手写数字图片和标签，用于测试

（2）导入数据集

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

（3）搭建网络

sequential方法和class方法（详细见tensorflow实战演练）

4. fashion数据集

（1）fashion数据集介绍

6万张 28x28 像素点的衣裤图片和标签，用于训练
1万张 28x28 像素点的衣裤图片和标签，用于测试

一共有10个分类：T恤、裤子…

（2）导入数据集

# 1.加载数据
fashion = tf.keras.datasets.fashion_mnist
(x_train, y_train), (x_test, y_test) = fashion.load_data()

（3）搭建网络

sequential方法和class方法（详细见tensorflow实战演练）