神经网络库:
六大步骤
import 导入包
x_train, y_train 确定数据集
model = tf.keras.models.Sequential 构建神经网络
model.compile 优化神经网络,确定神经网的损失函数和优化器等
model.fit 确定数据集合和测试集合
model.summary 统计
model = tf.keras.models.Sequential 构建神经网络
1:拉直层: tf.keras.layers.Flatten(input_shape= 输入数据量 )
原先的[70,4]的矩阵,需要拉直成一维度矩阵才可以输入
2:全连接层: tf.keras.layers.Dense(神经元个数, activation= "激活函数“ , kernel_regularizer=哪种正则化)
activation(字符串给出): relu、 softmax、 sigmoid 、 tanh
【过拟合的话添加】kernel_regularizer可选: tf.keras.regularizers.l1()、tf.keras.regularizers.l2()
3:卷积层: tf.keras.layers.Conv2D(filters = 输出维数, kernel_size = 卷积核尺寸,
strides = 卷积步长, padding = " valid" or “same”)
4:LSTM层: tf.keras.layers.LSTM()
model.compile 优化神经网络
model.compile(optimizer= 优化器,loss=损失函数 损失函数metrics=[“ 准确率”])
optimizer:【注意下面的哪些有“”】
‘sgd’ or tf.optimizers.SGD(lr=学习率,decay=学习率衰减率,momentum=动量参数)
‘adagrad’ or tf.keras.optimizers.Adagrad(lr=学习率,decay=学习率衰减率)
‘adadelt