keras高层接口

1tf.keras的五个功能

（1）datasets：下载的数据集（mnist、fation mnist）
(2) layers：神经网络层
(3) losses:求损失函数
(4) metrics:测量，例如每100个算一下这100个的平均loss，计算loss和accuracy，使用metrics步骤：新建metric,添加loss，需要使用得到结果，清零。
(5)optimizer:优化器

metrics的五个步骤：
(1)、build a meter

（2）添加数据Update data：

(3)、get average data取数据:

(4)、清零clear buffer：

2、tf.keras的complie和Fit方法

（1）compile的功能：
comfile:装载功能，loss选择、优化器选择、评估指标的选择
fit:实现training的流程
evaluate：进行测试
predict：完成新的sample预测
（2）原始功能：
先进行网络模型搭建，再进行计算loss计算梯度，最后计算循环多少次，迭代多少次

（3）、利用keras方便实现以上几步：
指定优化器Adam，损失函数loss，用accuracy做一个测试

一个epoch是指对db进行一次循环，一个step是指对db取一个batch

做测试情况：
原来进行测试的情况

需要指定epoch，以及在哪一个数据集上做测试，每多少个epoch进行一次测试

（3）predict:当数据集完成训练交给客户之后，可以直接调用predict对数据进行预测。

3、自定义网络：

（1）keras.Sequential:层的串联，层容器
管理变量参数集中起来通过model.trainable_variables
model.call() 自动直接将变量x传到下一层
Layer/Model:为母类
model有compile/fit/evaluate三个接口，sequential要继承model才能调用compile、fit、evaluate
（2）自定义层：首先要进行layer层的继承，先进行初始化，再进行其他操作，灵活性大，可以自己进行输入一些算法。

4、模型加载与保存

（1）save/load weights:最干净最轻量级方式，只保存网络的参数，对代码有清晰的控制的情况。保存的网络与新创建的网络维度一样。

（2）save/load entire model:模型简单粗暴，所有状态保存起来可以完美的进行恢复。不需要创建网络。

（3）
saved_model:是一种模型的保存格式，跟pytorch对应的格式ONN.X对应，可以用其它语言进行读取