lenet回顾

lenet回顾

一、
np.set_printoptions(threshold=np.inf)
设置print输出无省略

二、
在Conv2D中给属性filters（卷积核个数）、kernel_size（卷积核大小）、activation（激活函数）、strides（步长）进行赋值

三、
在model.compile中对optimizer(优化器)、loss(损失函数)、metrics进行赋值
optimizer=AdaGrad、 RMSPropRMSProp、 Adam、 AdaDelta

loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)
由于输出y已经经过softmax进行过概率分布 所以将from_logits设置为False

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

四、
1、keras.models.load_model() 读取网络、权重
2、keras.models.load_weights() 仅读取权重

五、
model.fit中包含属性：

history = model.fit(x_train, y_train, batch_size=32, epochs=5, validation_data=(x_test, y_test), validation_freq=1,
                    callbacks=[cp_callback])