Keras高层接口
这里所指的均为tf.keras
Keras高层API
metrics
acc_meter = metrics.Accuracy()
loss_meter = metrics.Mean()
update_state
loss_meter.update_state(loss)
acc_meter.udate_state(y, pred)
result().numpy()
print(step, 'loss:', loss_meter.result().numpy())
print(step, 'Evaluate Acc:', total_correct/total, acc_meter.result().numpy())
reset_states
if step % 100 == 0:
print(step, 'loss:', loss_meter.result().numpy())
loss_meter.reset_states()
if step % 500 == 0:
acc_meter.reset_states()
complie & fit
Compile
network.compile(optimizer=optimizers.Adam(lr=0.01),
loss=tf.loss.CategoricalCrossentropy(from_logits=True),
merics=['accuracy'

本文详细介绍了TensorFlow2.x中的Keras高层接口,包括metrics的update_state、result().numpy()和reset_states方法,compile与fit的使用,如Compile、Fit、Evaluate和Predict。此外,还讨论了如何利用keras.Sequential和keras.layers.Layer、keras.Model进行自定义网络设计,以及模型的保存和加载方法,如weights的保存与加载、整个模型的保存与加载以及saved_model格式。
最低0.47元/天 解锁文章
2764

被折叠的 条评论
为什么被折叠?



