Tensorflow2.0课程
以记录Tensorflow2.0的学习过程而开设的专栏
AIChemistr
万言万当,不如一默
展开
-
12 Tensorflow2.x自定义layer层
自定义layer层构建模型分为以下几步:导入数据集,将数据集进行分类、归一化等构建模型模型编译模型训练绘制曲线图在测试集上进行评估自定义损失函数在第2步中方法一:使用子类class 方式自定义dense layerclass CustomizedDenseLayer(keras.layers.Layer): def __init__(self, units, activation=None, **kwargs): self.units = units原创 2020-09-01 20:54:41 · 826 阅读 · 0 评论 -
11 Tensorflow2.x 自定义损失函数
自定义损失函数构建模型分为以下几步:导入数据集,将数据集进行分类、归一化等构建模型模型编译模型训练绘制曲线图在测试集上进行评估自定义损失函数在第2、3步中'''2.构建模型'''# 自定义损失函数def customized_mse(y_true, y_pred): return tf.reduce_mean(tf.square(y_pred - y_true))model = keras.models.Sequential([ keras.layers.Den原创 2020-09-01 20:47:03 · 437 阅读 · 0 评论 -
09-10 Tensorflow2.x模型的输入和输出
文章目录1.多输入2.多输出1.多输入此外,训练、验证和测试所有的输入都需要按照模型中的格式进行输入'''2.输入数据划分'''x_train_scaled_wide = x_train_scaled[:, :5]x_train_scaled_deep = x_train_scaled[:, 2:]x_valid_scaled_wide = x_valid_scaled[:, :5]x_valid_scaled_deep = x_valid_scaled[:, 2:]x_test_scale原创 2020-08-19 18:25:41 · 1492 阅读 · 0 评论 -
08-Tensorflow2.x Wide&Deep模型
文章目录Wide & Deep model简要介绍模型的主要程序,在model建立中介绍如下:1.函数式API ,功能API2.子类API5.完成的程序Wide & Deep model简要介绍模型的主要程序,在model建立中介绍如下:1.函数式API ,功能API# model建立部分# 函数式API 功能APIinput = keras.layers.Input(shape=x_train.shape[1:])hidden1 = keras.layers.Dense(3原创 2020-08-19 18:00:04 · 329 阅读 · 0 评论 -
04-07 Tensorflow2.0深度神经网络+批归一化+激活函数selu+Dropout
文章目录1.深度神经网络DNN2.批归一化BatchNormalization3.新的激活函数selu4.Dropout防止过拟合1.深度神经网络DNN指多个全连接层进行连接而形成的网络,层数太多不一定性能会更优,反而会下降,这是因为层数太多,参数太多导致了梯度消失2.批归一化BatchNormalization缓解梯度消失3.新的激活函数selu训练时间更短训练性能更高4.Dropout防止过拟合一般在全连接层的最后几层进行使用DropoutAlphaDropout原创 2020-08-18 22:05:18 · 498 阅读 · 0 评论 -
03-Tensorflow2.0使用callbacks参数和Tensorboard的使用
Tensorflow2.0使用callbacks参数和Tensorboard的使用这篇文章是在上篇文章tensorflow2.0识别fashion_mnist数据集的基础上,在训练(model.fit())时,添加了callbacks参数,主要参数有三个:TensorboardEarlystoppingModelCheckpoint详细代码如下:注:此代码的精确度和上一篇文章相同,这篇文章主要讲解一下Tensorboard#-*- coding:utf-8 _*-import matpl原创 2020-08-18 18:24:12 · 1074 阅读 · 0 评论 -
02-Tensorflow2.0将数据集进行归一化处理,提高精确度
Tensorflow2.0将数据集进行归一化处理,提高精确度在之前的TF2.0对Fashion_Mnist数据集分类这篇文章中,数据集并没有进行归一化,模型训练结果并不是很好,这次在数据集进行训练之前添加了归一化过程,模型精度提高的非常明显,具体的程序见下:#-*- coding:utf-8 _*-import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npimport sklearnimport panda原创 2020-08-18 17:21:22 · 2931 阅读 · 1 评论 -
01-Tensorflow2.0对于Fashion-Mnist数据集的训练与编译
Tensorflow2.0对于Fashion-Mnist数据集的训练与编译主要步骤tf.keras.datasets导入fashion_mnist数据集tf.keras.Sequential()搭建模型model.compile()模型编译model.fit模型训练,得到history绘制history曲线图model.evaluate()测试集上测试模型#-*- coding:utf-8 _*-import matplotlib as mplimport matplotlib.pyp原创 2020-08-18 17:02:51 · 401 阅读 · 0 评论