tensorflow2.1学习--tf.keras学习之tf.keras.models.Sequential

tf.keras.models.Sequential是描述网络层架构的一个api，是顺序的结构即一层一层的描述，但是对于跳跃式的就不行，需要使用自定义层，或者使用类实现 。

 

 

 

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

x_train = datasets.load_iris().data
y_train = datasets.load_iris().target

np.random.seed(116)
np.random.shuffle(x_train)
np.random.seed(116)
np.random.shuffle(y_train)
tf.random.set_seed(116)

# 构建网络层，因为就一层全连接层，分类为三分类，因此建立三个输出神经元即可
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(3, activation='softmax', kernel_regularizer=tf.keras.regularizers.l2())
])

#
model.compile(
    optimizer=tf.keras.optimizers.SGD(lr=0.1),
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
    metrics=['sparse_categorical_accuracy']
)

model.fit(x_train, y_train, batch_size=32, epochs=500, validation_split=0.2, validation_freq=20)

model.summary()