判别器loss为0_TF2.0神经网络模型搭建6步法，Sequential顺序神经网络结构，Class类搭建带连跳网络结构【含实践】...-CSDN博客

本文链接：https://blog.csdn.net/weixin_39521835/article/details/111283035

本文介绍了使用TensorFlow 2.0搭建神经网络的六步法，包括Sequential模型和Class类的构建。详细讲解了数据处理、网络结构配置、训练过程和模型总结。实践中应用了MNIST和Fashion数据集，展示了Sequential和Class两种方式的实现。

摘要由CSDN通过智能技术生成

〇.引言：

Ⅰ.神经网络模型六步搭建法[Sequential搭建]

导包-数据-Sequential构建-compile配置-fit训练-summary

Ⅱ.六步法中重要函数的超参数设置及可选项

tf.keras.models.Sequential-拉直层，全连接层，卷积层，LSTM层

model.compile(optimizer=优化器，loss=损失率，metrics=[’准确率'])

model.fit(...)

model.summary()

Ⅲ.CLASS类搭建神经网络

Ⅳ.实践-Mnist&Fashion

引言:

搭建神经网络有自己的既定步骤， 采用下面的六步法即可，按步骤来搭建模型，更多的时候作为"炼丹师"(真正的炼丹师是基于很强的数学功底和原理掌握，并非所说简单的调参)。我们要决定的是 网络的搭建，选择好网络结构，思考如何搭建层，针对不同问题 选择怎么样的损失函数，激活函数，优化器，评价指标等内容。这些都需要很强的 问题分析能力，数据分析能力，数学功底，以及代码功力。 【文中不附全部代码，脑图和代码(含注释)点击原文链接获取】

PARTⅠ：神经网络——六步搭建法

之前我们 手动搭建了神经网络，手动实现了参数w和b的更新，大概用了 100行代 码左右( 手动实现对于理解神经网络的原理和过程及其重要 ，推荐 记住甚至背下来手动实现的代码， 参考(原文链接中有代码) ： TF2.0-鸢尾花数据集三分类【tf2.0底层API函数手动搭建单层简单神经网络】 ) 下面的例子按照六步法对鸢尾花iris任务三分类，使用tf.keras来搭建我们的神经网络， 使用Squentical顺序 神经网络模型堆叠【PARTⅢ中，采用了 class类 来构建，效果一致，两种方式各有好处】。 使用 20行左右 实现之前100行的功能。

和手动实现不同的是： 直接在使用的层中通过超参数来设置损失函数，激活函数，正则化参数，然后在compile中选择优化器，选择损失函数ÿ