TensorFlow的中阶API主要包括:
数据管道(tf.data)
特征列(tf.feature_column)
激活函数(tf.nn)
模型层(tf.keras.layers)
损失函数(tf.keras.losses)
评估函数(tf.keras.metrics)
优化器(tf.keras.optimizers)
回调函数(tf.keras.callbacks)
如果把模型比作一个房子,那么中阶API就是【模型之墙】。
本篇我们介绍模型层layers。
一,layers概述
深度学习模型一般由各种模型层组合而成。
tf.keras.layers内置了非常丰富的各种功能的模型层。
例如:
layers.Dense,
layers.Flatten,
layers.Input,
layers.DenseFeature,
layers.Dropout
layers.Conv2D,
layers.MaxPooling2D,
layers.Conv1D
layers.Embedding,
layers.GRU,
layers.LSTM,
layers.Bidirectional
……
如果这些内置模型层不能够满足需求,我们也可以通过编写tf.keras.Lambda匿名模型层或继承tf.keras.layers.Layer基类构建自定义的模型层。
其中tf.keras.Lambda匿名模型层只适用于构造没有学习参数的模型层。
二,内置layers
一些常用的内置模型层简单介绍如下。</