Tensorflow2.0教程（1）

TensorFlow 2.0学习日志

Day 1 熟悉使用tf.keras来搭建模型

1. 模型搭建

模型的搭建主要使用 keras.models.Sequential() 包来完成

from tensorflow import keras
model = keras.models.Sequential()

keras.layers中集成了大部分我们日常需要的神经网络层，因此利用keras.layers库我们可以非常方便地搭建神经网络模型，下面是一个简单的mnist手写体识别网络示例，输入是[28,28]的灰度图片。

model.add(keras.layers.Flatten(input_shape=[28,28]))
model.add(keras.layers.Dense(300, activation = "relu"))
model.add(keras.layers.Dense(100, activation = "relu"))
model.add(keras.layers.Dense(10, activation = "softmax"))

上面的代码段中，因为使用到的层都是全连接层，所以在输入的时候我们需要利用keras.layers.Flatten层把28*28的灰度图片展平成一维的向量，再输入到全连接层当中。keras.layers.Dense层中第一个输入代表的是隐层个数，也是输出的channel数，第二个输入是激活函数的名称。

• Tips1:relu的作用是$y=max(0,x)$，即当$x$小于$0$时，神经元的激活作用被截断，但当$x$大于0时，神经元的作用能够被激活
• Tips2: softmax的作用是把向量转化为概率分布

下面展示利用keras搭建模型的第二种写法

model = keras.models.Sequential([
        keras.layers.Flatten(input_shape=[28