Tensorflow学习（2）

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。