Tensorflow模型整体构建流程

TF构造八股文

  • Import: 导入相关的包
  • train and test: 处理好训练与测试数据集,包括乱序等操作
  • models.Sequential: 搭建网络模型
  • model.compile: 设置优化算法,配置训练方法
  • model.fit: 设置训练时的学习率,迭代次数,batch_size,对模型进行训练;
  • model.summary:打印出网络结构和参数统计

简单实现

# 1. import
import tensorflow as tf

# 2. train and test
w = tf.Variable(tf.constant(5, dtype=tf.float32))

# 3. model.sequential

# 4. model.compile and 5. model.fit
lr = 0.2
epochs = 40

for epoch in range(epochs):
    with tf.GradientTape() as tape:
        loss = tf.square(w + 1)        # 定义loss函数
    grads = tape.gradient(loss, w)     # 求loss对w的梯度

    w.assign_sub(lr * grads)
    print("After %s epoch, w is %f, loss is %f" % (epoch, w.numpy(), loss))     # 6. model.summary()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值