tensorflow 2.0 画出model网络模型的拓扑图 |
您所在的位置:网站首页 › 网络的拓扑图怎么画出来的 › tensorflow 2.0 画出model网络模型的拓扑图 |
日萌社
人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) tensorflow 2.0 画出model网络模型的拓扑图 tensorflow 2.0 的回调函数callbacks(TensorBoard、ModelCheckpoint) TensorBoard视觉化网络每层权重分布、视觉化网络层结构 MSE(均方误差)、MAE(平均绝对误差) from_logits CE(Cross-Entropy)、BCE(Binary Cross-Entropy 即Sigmoid+CE)、CCE(Categorical Cross-Entropy 即Softmax+CE) 对连续值/离散值进行预处理的两种方式(标准化/one-hot化)、反标准化/逆标准化、字符串预处理 损失函数loss、指标函数metrics 激活函数 Sigmoid、Tanh、ReLU、Softmax Batch Normalization 反向传播、梯度下降、学习率、优化器optimizers(GD、SGD、Momentum、AdaGrad、Adam) 权重初始化对于激活函数的选择:随机常态分布/随机正态分布初始化(标准差为0.01或1)、Xavier(Glorot)初始化、He初始化 图像增强(IA)、数据预处理 混淆矩阵tf.math.confusion_matrix 使用预训练网络训练的两种方式:Keras Applications、TensorFlow Hub 画出网络模型的结构图: 要使用 from tensorflow.keras.utils import plot_model plot_model(model实例对象,to_file="xx.png") #产生网络模型的拓扑图 from IPython.display import Image #画生网络模型的拓扑图 Image("xx.png") ubuntu安装方式: 1.conda install pydot 或 pip install pydot 2.apt-get install graphviz window安装方式: 1.conda install pydot 或 pip install pydot 2.graphviz安装:https://graphviz.gitlab.io/_pages/Download/Download_windows.html 安装完成后配置Path环境变量:把G:\graphviz\bin路径添加到Path环境变量 import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets, layers, models, optimizers, metrics model = tf.keras.Sequential([ layers.Reshape( target_shape=[28, 28, 1], input_shape=(28, 28,)), layers.Conv2D(2, 5, padding='same', activation=tf.nn.relu), layers.MaxPooling2D((2, 2), (2, 2), padding='same'), layers.Conv2D(4, 5, padding='same', activation=tf.nn.relu), layers.MaxPooling2D((2, 2), (2, 2), padding='same'), layers.Flatten(), layers.Dense(32, activation=tf.nn.relu), layers.Dropout(rate=0.4), layers.Dense(10)]) from tensorflow.keras.utils import plot_model #如果是在默认的C:\Users\Administrator路径下打开的命令提示符窗口执行的代码的话,则保存图片到该当前默认路径下 plot_model(model,to_file="xx.png") #产生网络模型的拓扑图 from IPython.display import Image #画生网络模型的拓扑图 Image("xx.png") |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |