【深度学习】函数式API

一、总结

input = tf.keras.Input(shape=(28,28))：明确输入的规模后，使用flatten无须再指明规模
tf.keras.layers.Flatten()：作为函数使用
model=tf.keras.Model(inputs=input, outputs=output)：模型函数
x=tf.keras.layers.concatenate([x1,x2])：合并两个扁平化的输入，预测是否为同一类
model=tf.keras.Model(inputs=[input1,input2], outputs=output)：合并输入的模型参数

二、代码

import pandas as pd
import tensorflow as tf

(train_image,train_label), (test_image,test_label) = tf.keras.datasets.fashion_mnist.load_data()

# 函数式API
# (1) single input
train_image = train_image/255
test_image = test_image/255

input = tf.keras.Input(shape=(28,28))# 第一个参数是batch
x=tf.keras.layers.Flatten()(input)
x=tf.keras.layers.Dense(128, activation='relu')(x)
x=tf.keras.layers.Dropout(0.5)(x)
x=tf.keras.layers.Dense(128, activation='relu')(x)
output=tf.keras.layers.Dense(10, activation='softmax')(x)
model=tf.keras.Model(inputs=input, outputs=output)

model.summary()


# (2) two input

input1 = tf.keras.Input(shape=(28,28))# 第一个参数是batch
input2 = tf.keras.Input(shape=(28,28))

x1=tf.keras.layers.Flatten()(input1)
x2=tf.keras.layers.Flatten()(input2)
x=tf.keras.layers.concatenate([x1,x2])
x=tf.keras.layers.Dense(128, activation='relu')(x)
output=tf.keras.layers.Dense(1, activation='sigmoid')(x)
model=tf.keras.Model(inputs=[input1,input2], outputs=output)

model.summary()