当前位置: 首页 > news >正文

Tensorflow2.0搭建网络八股

目录

引言:keras与Tensorflow2.0结合

一、六步法

1.导入头文件:import

2.收集处理训练集和测试集:train, test:

3.描述各层网model = tf.keras.models.Sequential:

4.描述使用什么优化反向传播:model.compile

5.训练数据填入:model.fit

6.打印数据:model.summary

二、Sequential()

函数使用

过程1:拉直层

过程2:全连接层

过程3:卷积层

过程4:LSTM层

三、compile()

函数使用

Optimizer可选

loss可选

Metrics可选

四、fit()

函数使用

五、model.summary()

总结:


引言:keras与Tensorflow2.0结合

一、六步法

1.导入头文件:import

2.收集处理训练集和测试集:train, test:

3.描述各层网model = tf.keras.models.Sequential:

4.描述使用什么优化反向传播:model.compile

5.训练数据填入:model.fit

6.打印数据:model.summary

二、Sequential()

函数使用

model = tf.keras.models.Sequential ([ 网络结构 ])

过程1:拉直层

tf.keras.layers.Flatten( )

过程2:全连接层

tf.keras.layers.Dense(神经元个数, activation= "激活函数“ , kernel_regularizer=哪种正则化)

activation(字符串给出)可选: relu、 softmax、 sigmoid 、 tanh kernel_regularizer可选: tf.keras.regularizers.l1()、tf.keras.regularizers.l2()

过程3:卷积层

tf.keras.layers.Conv2D(filters = 卷积核个数, kernel_size = 卷积核尺寸, strides = 卷积步长, padding = " valid" or "same")

过程4:LSTM层

tf.keras.layers.LSTM()

三、compile()

函数使用

model.compile(optimizer = 优化器, loss = 损失函数 metrics = [“准确率”] )

Optimizer可选

‘sgd’ or tf.keras.optimizers.SGD (lr=学习率,momentum=动量参数)

‘adagrad’ or tf.keras.optimizers.Adagrad (lr=学习率)

‘adadelta’ or tf.keras.optimizers.Adadelta (lr=学习率)

‘adam’ or tf.keras.optimizers.Adam (lr=学习率, beta_1=0.9, beta_2=0.999)

loss可选

‘mse’ or tf.keras.losses.MeanSquaredError()

tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)

Metrics可选

‘accuracy’ :y_和y都是数值,如y_=[1] y=[1]

‘categorical_accuracy’ :y_和y都是独热码(概率分布),如y_=[0,1,0] y=[0.256,0.695,0.048]

‘sparse_categorical_accuracy’ :y_是数值,y是独热码(概率分布),如y_=[1] y=[0.256,0.695,0.048

四、fit()

函数使用

model.fit (训练集的输入特征, 训练集的标签, batch_size= , epochs= , validation_data=(测试集的输入特征,测试集的标签), validation_split=从训练集划分多少比例给测试集, validation_freq = 多少次epoch测试一次)

五、model.summary()

总结:

  • 本文主要借鉴:mooc曹建老师的《人工智能实践:Tensorflow笔记》
  • 第一个神经网络的搭建,利用tensorflow2.0
  • 提醒:跑数据的时候经理用一个空电脑,不然跑不动,内存不够,电脑会坏掉
  • 六步法牢记心中,每个网络都是这么搭建的,目前大家都是稍做了修改
http://www.lryc.cn/news/140644.html

相关文章:

  • 【安装GPU版本pytorch,torch.cuda.is_available()仍然返回False问题】
  • Git 版本控制系统
  • 70吨服务区生活污水处理设备加工厂家电话
  • 十一、hadoop应用
  • Pytorch06-复杂模型构建
  • iPhone 15 Pro与谷歌Pixel 7 Pro:哪款相机手机更好?
  • react通过ref获取函数子组件实例方法
  • MathType7MAC中文版数学公式编辑器下载安装教程
  • python项目实战
  • 网络渗透day03-Windows Server相关知识
  • 关于述职答辩的一点思考和总结
  • 远程调试环境配置
  • C++:构造方法(函数);拷贝(复制)构造函数:浅拷贝、深拷贝;析构函数。
  • vr内容编辑软件降低了虚拟现实项目开发门槛
  • 【水平垂直居中布局】CSS实现水平垂直居中的5种方法(附源码)
  • 原生js插入HTML元素
  • 腾讯云V265/TXAV1直播场景下的编码优化和应用
  • 牛客练习赛114 G-图上异或难题(线性基)
  • Neo4j之ORDER BY基础
  • 【C++杂货铺】探索vector的底层实现
  • MybatisPlus(1)
  • 探索未来世界,解密区块链奥秘!
  • win10 下运行 npm run watch-poll问题
  • Android平台RTMP|RTSP直播播放器功能进阶探讨
  • Centos7安装Telnet服务
  • 【C++】GCC对应C++的版本支持
  • 前端面试:【算法】排序、查找、递归、动态规划
  • RK3399 开机自启一个shell脚本,一直起不来BUG
  • [MyBatis系列④]核心配置文件
  • 系统架构设计高级技能 · 层次式架构设计理论与实践