keras学习笔记

最新推荐文章于 2020-11-24 21:50:01 发布

努力搬砖挣猫猫奶粉钱

最新推荐文章于 2020-11-24 21:50:01 发布

阅读量156

点赞数

分类专栏：深度学习文章标签： python 深度学习 tensorflow 神经网络

本文链接：https://blog.csdn.net/qq_40265311/article/details/109729884

版权

本文介绍了使用Keras进行深度学习的基本步骤，包括搭建模型、编译、训练、评估及模型保存。通过功能性API或子类化方式创建模型，使用.compile()指定优化器、损失函数和指标。训练时注意验证集的划分和batch_size的选择。评估模型时，可以使用.evaluate()函数。模型的保存和加载涉及到History对象、HDF5文件以及通过层名字加载权重。

摘要由CSDN通过智能技术生成

参考资料
官方文件：https://keras.io/api/models/model/
CSDN：
https://blog.csdn.net/u010159842/article/details/54136177
https://blog.csdn.net/gqixf/article/details/80097401
https://blog.csdn.net/u010159842/article/details/54407745

搭建模型
keras中有两种搭建模型的方法：

使用“功能性API”（从Input入手）

import tensorflow as tf

inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)