随着pytorch这种动态图的框架的出现,tensorflow也想要变得更简单易用,keras将成为tensorflow向更简单易用的api靠拢的抓手。
而且,这些年来社区对keras的灵活性和速度都有了很大的优化。
分享一些个人认为有帮助的keras写法,希望大家慢慢发现keras的简洁,以及其相比起pytorch来说更加完善的特点。
- 用generator做数据预处理
generator可以实现数据预处理的规整化并减少模型内存占用
def
- callback函数,用list的方式逐个加进来
keras中,callback函数是一个list,因此你可以先新建一个list,然后把你想要的callback逐个放进去,使得代码规整
也可以用这个我准备好的常用callback函数:
def
- GPU显存按需增长
这个我觉得属于tensorflow的设计缺陷,总之每段代码我都要用
import tensorflow as tf
import keras.backend.tensorflow_backend as KTF
config = tf.ConfigProto()
config.gpu_options.allow_growth = True # 不全部占满显存, 按需分配
sess = tf.Session(confi