深度学习2.0-22.Keras高层接口之自定义层或网络

最新推荐文章于 2022-03-28 18:10:17 发布

哎呦-_-不错

最新推荐文章于 2022-03-28 18:10:17 发布

阅读量523

点赞数

文章标签：深度学习 tensorflow

本BLOG上原创文章未经本人许可，不得用于商业用途，转载请注明出处。

本文链接：https://blog.csdn.net/weixin_46649052/article/details/109002780

版权

本文介绍了Keras的Sequential模型，深入探讨了Layer和Model的概念，展示了如何自定义深度学习层及网络。通过手写数字识别的实战，详细讲解了自定义网络的实现过程。

摘要由CSDN通过智能技术生成

文章目录

1.keras.Sequential

在这里插入图片描述

2.Layer/Model

在这里插入图片描述

3.自定义层

# 自定义Dense层
class MyDense(layers.Layer):
	# 初始化方法
	def __init__(self,inp_dim,outp_dim):
		# 调用母类的初始化
		super(MyDense,self).__init__()
		# self.add_variable作用是在创建这两个Variable时，同时告诉类这两个variable是需要创建的
		# 当两个容器拼接时，会把这两个variable交给上面的容器来管理，统一管理，不需要人为管理参数
		# 这个函数在母类中实现，所以可以直接调用
		self.kernel = self.add_variable('w',[inp_dim,outp_dim])
		self.bias = self.add_variable('b',[outp_dim])
	
	def call(self,inputs,training = None):
		out = inputs @	self.kernel + self.bias
		return out

4.自定义网络

# 利用自定义层，创建自定义网络(5层)
class MyModel(keras.Model):
	def __init__(self):
		super(MyModel,self).__init__()
		self.fc1 = MyDense(28*28,256)
		self.fc2 = MyDense(256,128)
		self.fc3 = MyDense(128,64)
		self.fc4 = MyDense(64,32)
		self.fc5 =