Keras的Model模型使用 |
您所在的位置：网站首页 › keras调用resnet18 › Keras的Model模型使用 |
Keras的Model模型使用
|
本主题主要阐述下Keras框架中的模型Model的使用，主要包含的内容： 1.模型的两种使用方式； 2.经典模型的实现（定制模型）； 3.模型的定制训练； 一. 模型使用的两种方式Keras通过两个API提供两种计算模型： 函数式模型：通过Model类API；顺序式模型：通过Sequential类API；本文的业务背景还是是深度全链接网络； 实现4 -> 8 -> 4 -> 1网络。 1. 函数式模型 函数式模型的编程特点是： 程序员构建层，通过Layer对象的可调用特性，或者使用apply与call实现链式函数调用；Model只需要通过inputs与outputs；这种模式之所以称为函数式模型，是因为Layer提供了几种函数式调用方式，通过这种调用建立层之间的网络模型。 Layer是可调用对象，提供__call__可调用运算符(...)；apply函数； 函数式模型的示意图
函数式模型的示例代码 - 使用Layer的可调用运算 # Author：Louis Young # Note：使用Iris数据集，构建的4-8-4-1的全链接神经网络 import tensorflow as tf import tensorflow.keras as keras import tensorflow.keras.layers as layers import sklearn.datasets as datasets # 1. 定义Layer层； # 1.1. 输入层：必须是InputLayer或者Input创建的Tensor； input_layer = keras.Input(shape=(4,)) # 4是Iris的特征维数（4个特征：可以参考sklearn中关于iris数据集的特征说明） # 1.2. 隐藏层：8-4 hide1_layer = layers.Dense(units=8, activation='relu') hide2_layer = layers.Dense(units=4, activation='relu') # 1.3. 输出层：1 output_layer = layers.Dense(units=1, activation='sigmoid') # 2. 构建Layer之间的函数链式关系 hide1_layer_tensor = hide1_layer(input_layer) # |
【本文地址】
今日新闻 |
推荐新闻 |