Keras-序贯模型(Sequential)

本文介绍了如何使用Keras的序贯模型(Sequential)来构建深度学习网络。内容涵盖常见网络层的使用、模型装配(包括指定优化器、损失函数和评价指标)、模型的训练与测试流程,以及模型的保存与加载方法,包括张量方式、网络方式和SavedModel方式。
摘要由CSDN通过智能技术生成

详细API

常见功能模块

常见网络层类

导入标准库

import tensorflow as tf 
# 导入 keras 模型,不能使用 import keras,它导入的是标准的 Keras 库 
from tensorflow import keras 
from tensorflow.keras import layers # 导入常见网络层类

网络容器

网络容器 Sequential 将多个网络层封装成一个大网络模型,只需要调用网络模型的实例一次即可完成数据从第一层到最末层的顺序运算

# 导入 Sequential 容器  
from tensorflow.keras import layers, Sequential 
network = Sequential([ # 封装为一个网络     
layers.Dense(3, activation=None), # 全连接层     
layers.ReLU(),#激活函数层     
layers.Dense(2, activation=None), # 全连接层     
layers.ReLU() #激活函数层 ]) 
x = tf.random.normal([4,3]) 
network(x) # 输入从第一层开始,逐层传播至最末层 

Sequential 容器也可以通过 add()方法继续追加新的网络层,实现动态创建网络的功能

当需要很多层时这样建网络:


                
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