常用生成网络两种方式 tensorflow+ keras

1、官方文档推荐的定义类，调用call函数

通过继承tf.keras.Model并定义自己的前向传递来构建完全可自定义的模型。 在init方法中创建图层并将它们设置为类实例的属性。 在call方法中定义正向传递。

直接返回 numpy向量

class MyModel(keras.Model):

    def __init__(self, num_classes=10):
        super(MyModel, self).__init__(name='my_model')
        self.num_classes = num_classes
        # Define your layers here.
        self.dense_1 = keras.layers.Dense(32, activation='relu')
        self.dense_2 = keras.layers.Dense(num_classes, activation='sigmoid')

    def call(self, inputs):
        # Define your forward pass here,
        # using layers you previously defined (in `__init__`).
        x = self.dense_1(inputs)
        return self.dense_2(x)

 

 

2、调用接口写函数类

每个block都是一个网络层定义函数

def get_model(hyper_params):
    detections_per_layer = hyper_params["detections_per_layer"]
    img_size = hyper