Tensorflow学习 (2)
1.@tf,function是装饰器,给python函数装上后,可以构建静态计算图。要使用@tf.function,要将设计的计算图代码放到python函数中。
2.tensorflow如何读取数据:
tf.data.Dataset和tf.data.Iterator:
tf.data.Dataset用于读取数据,做预处理,调整batch和epoch等操作;而读取数据依赖于tf.data.Iterator接口。
batch():用一个整型数字作为参数,描述了一个batch的batch size。
repeat():参数同样是一个整型数字,描述了整个dataset需要重复几次(epoch),如果没有参数,则重复无限次。
shuffle():将序列的所有元素随机排序。
map():常常用作预处理,图像解码等操作,参数是一个函数句柄,dataset的每一个元素都会经过这个函数的到新的tensor代替原来的元素。
在tensorflow2.0中,利用tf.data来导入数据。
3.激活函数作用:
给神经网络提供非线性,增强神经网络表达能力。常用的有relu,softmax,sigmoid。
4.读数据:
读原始图片,读bin文件,读CSV(TXT)文件。
5.设置model.compile的三个参数:optimizer优化器,loss损失函数,metrics评估标准。
6.常用fit函数来训练模型
fit(x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None, validation_freq=1, max_queue_size=10, workers=1, use_multiprocessing=False)
7.np.random.random((10,20)):10个元素,其中每个元素为20个数的数组
来自keras中文文档
8.tensorflow.keras.layers.concatenate : 级联,将输入数据连接起来。
9.conv : padding是填充,same 指输出和输入尺寸一致,valid指输出可能会缩小。
10.Flatten() 将矩阵转化为向量。