【TensorFlow写模型6步骤】

TensorFlow写模型6步骤

---

一、主要函数

#[]里面存放神经网络的各个层，一般上只能用Sequential写一些比较简单的结构
tf.keras.models.Sequential([])
Model.compile(
    optimizer='rmsprop',#优化器
    loss=None,#损失函数
    metrics=None,#评估指标
    #======================目前就用了以上三个
    loss_weights=None,#多模型实使用（损失权重分布）
    weighted_metrics=None,
    run_eagerly=None,
    steps_per_execution=None,
    jit_compile=None,
    **kwargs
)
Model.fit(
    x=None,#训练集数据
    y=None,#训练集标签
    batch_size=None,#batch大小
    epochs=1,#训练论述
    verbose='auto',
    callbacks=None,#回调函数（用于记录过程中的loss和准确率等）
    validation_split=0.0,#测试集划分
    validation_data=None,#指定测试集（与上面二选一即可）
    shuffle=True，#打乱
    class_weight=None,
    sample_weight=None,
    initial_epoch=0,
    steps_per_epoch=None,
    validation_steps=None,
    validation_batch_size=None,
    validation_freq=1,#指定在执行新的验证之前要运行多少个epoch
    max_queue_size=10,
    workers=1,
    use_multiprocessing=False
)

二、代码如下

# 第一步：导入相关模块
import tensorflow as tf
# 第二步：导入数据集并进行域处理
fashion = tf.keras.datasets.fashion_mnist
(x_train,y_train),(x_test,y_test) = fashion.load_data()
tf.random.shuffle(x_train)
tf.random.shuffle(y_train)
x_train = x_train/255.0
x_test = x_test/255.0
# 第三步：建立网络结构(各层的结构)
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128,activation='relu',kernel_regularizer=tf.keras.regularizers.l2()),
    tf.keras.layers.Dense(10,activation='softmax')
])
# 第四步：给模型配置训练参数，动量优化器（学习率），loss,评价指标
model.compile(optimizer=tf.keras.optimizers.Adam(),
             loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
             metrics=['sparse_categorical_accuracy'])
# 第五步：模型训练（训练集，训练集标签，batch大小，epochs轮次，测试切分，）
model.fit(x_train, y_train, batch_size=32, epochs=5, validation_data=(x_test,y_test), validation_freq=1)
# 第六步：使用 model.summary()打印网络结构，统计参数数目
model.summary()

总结

这是最基本的六步骤