TensorFlow 深度学习 | 三种创建模型的 API

最新推荐文章于 2025-08-29 21:00:00 发布
原创 最新推荐文章于 2025-08-29 21:00:00 发布 · 966 阅读 · 23 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #tensorflow #人工智能

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在优快云上与你们相遇～💖

在这里插入图片描述

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

在这里插入图片描述

TensorFlow 深度学习 | 三种创建模型的 API

在 TensorFlow 中，模型的构建方式非常灵活。无论是初学者还是进阶开发者，都可以根据需求选择不同的 API 来实现。
常见的三种模型创建方式分别是：

  • Sequential 顺序模型
  • Functional API 函数式模型
  • Model Subclassing 子类化模型

在深入代码示例之前，我们先来看一张对比表格 👇

📊 三种模型创建方式对比

创建方式 特点 优点 缺点 适用场景
Sequential 线性堆叠 简单、代码少、上手快 不支持多输入/输出、无法处理复杂拓扑 快速原型、初学者、简单全连接网络
Functional API 函数式构建 灵活、支持复杂结构、多输入输出 语法稍复杂 工业界常见、残差网络、多分支网络
Model Subclassing 继承 keras.Model 最大灵活性、自定义 forward 过程 代码量大、维护难度高 研究型项目、自定义层或特殊结构

🎨 示意图（推荐在 优快云 插入）

你可以在 优快云 使用 mermaid 语法渲染出下面的流程图，或者导出 PNG 上传：

最低0.47元/天 解锁文章
Tensorflow三种建模方式实例（鸢尾花卉数据集）
weixin_47408850的博客
05-23 551
一、顺序模型 from sklearn import datasets import numpy as np import tensorflow as tf from tensorflow.keras import layers iris = datasets.load_iris() data = iris.data labels = iris.target data = np.concatenate((data,labels.reshape(150,1)),axis=-1) np.random.shu
Tensorflow2.0入门教程4：顺序式模型和函数式模型搭建神经网络
itluojie的博客
03-16 2537
tf.kears Keras 是一个广为流行的高级神经网络 API，简单、快速而不失灵活性，现已得到 TensorFlow 的官方内置和全面支持。 两个重要概念：模型（Model）和层（Layer） 层将各种计算流程和变量进行了封装（例如基本的全连接层，CNN 的卷积层、池化层等），而模型则将各种层进行组织和连接，并封装成一个整体，描述了如何将输入数据通过各种层以及运算而得到输出。 import ...
深度学习 | Tensorflow2.0函数式建模笔记
RichardsZ_的博客
05-09 813
深度学习 | Tensorflow2.0函数式建模 Tensorflow2.0主要支持3种建模方式，分别为 tf.keras.models.Sequential()， 适合比较简单的网络，前一层输出是后一层输入。 class mymodel(tf.keras.models.Model), 继承Model父类的方法，通过super(), call()等方法实现子类的方法。 函数式API，自定义Input_layer，output_layer，适合比较复杂的网络搭建，比如Wide&Deep, xDee
keras + tensorflow —— 函数式 API编程
11-03 2053
1. 实现简单的逻辑回归 from keras import Input from keras import layers from keras.models import Model x = Input(shape=(32, )) # TensorShape([Dimension(None), Dimension(32)]) y = layers.Dense(16, activation='s...
如何在本地建立模型并创建自己的 API Key 供他人使用
sdsasaAAS的博客
10-23 5922
如何在本地建立模型并创建自己的 API Key 供他人使用
TensorFlow 深度学习 | 使用函数式 API 实现 Wide & Deep 模型
Kant2048的博客
08-29 1841
使用 TensorFlow 函数式 API 实现 Wide Deep 深度学习模型。
TensorFlow 深度学习 | 使用子类 API 实现 Wide & Deep 模型
最新发布
Kant2048的博客
08-29 1049
使用 TensorFlow 子类 API 实现 Wide Deep 模型，该模型结合线性部分（Wide）和深度神经网络（Deep），适用于推荐系统和 CTR 预估。
使用 Tensorflow 实现深度学习与迁移学习模型
08-12
深度学习模型，尤其是卷积神经网络(CNN)和循环神经网络(RNN)，在图像识别、自然语言处理和游戏等多个领域取得了突破性进展。迁移学习作为一种有效利用已训练模型的方法，使得知识可以被迁移到新的任务或领域，极大...
精选资源
龙曲良《TensorFlow深度学习》学习笔记及代码，采用TensorFlow2.0.0版本.zip
02-04
《TensorFlow深度学习》是龙曲良撰写的一本关于使用TensorFlow进行深度学习实践的教程，其中涵盖了TensorFlow 2.0.0版本的核心概念、API以及应用实例。该资源包含学习笔记和配套代码，旨在帮助读者深入理解并掌握...
【工具】Tensorflow2.x（一）建立模型的三种模式
Blank_Space
12-03 1482
前言最近做实验比较焦虑，因此准备结合推荐算法梳理下Tensorflow2.x的知识。介绍Tensorflow2.x的文章有很多，但本文（系列）是按照作者构建模型的思路来展开的，因此不会从...
tensorflow2 有多个输入输出时向模型中传入数据训练
qq_39238461的博客
10-17 2156
献上官网给出的示例： num_tags = 12 # Number of unique issue tags num_words = 10000 # Size of vocabulary obtained when preprocessing text data num_departments = 4 # Number of departments for predictions #这里定义三个模型的输入，分别是title_input、body_input、tags_input，对应下边的mod
【Tensorflow2.0】6、三种模型定义方式该如何选
dddeee的专栏
11-08 3582
文章目录1、三种模型定义方式1.1 Sequential API1.2 Functional API1.3 Subclassing API2. 对这三种结构模型进行训练 keras和tensorflow2.0提供了三种定义模型的方式： Sequential API Functional API Model subclassing 这就需要我们了解如何使用这三种方法来定义模型，还要学会什么时候...
【tensorflow学习】tensorflow搭建模型常用函数以及使用方式
jaz_y的博客
03-19 1421
1 import import tensorflow as tf 2 使用Sequential建立模型 在tf.keras.models.Sequential中添加模型： 官方文档对 Sequential 的描述是：Sequential groups a linear stack of layers into a tf.keras.Model 使用示例如： model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.
Tensorflow学习——Keras
weixin_39506322的博客
12-17 2638
Keras 是一个用于构建和训练深度学习模型的高阶 API。它可用于快速设计原型、高级研究和生产，具有以下三个主要优势： 方便用户使用 Keras 具有针对常见用例做出优化的简单而一致的界面。它可针对用户错误提供切实可行的清晰反馈。 模块化和可组合 将可配置的构造块连接在一起就可以构建 Keras 模型，并且几乎不受限制。 易于扩展 可以编写自定义构造块以表达新的研究创意，并且可以创...
Tensorflow学习-自定义模型
SCUT_Sam
01-08 8135
摘要： 在tensorflow里面，已经封装了一些常用的网络结构模型，比如CNN，DNN这些，有时候我们需要自己搭一个网络结构或者需要了解每个网络是如何搭建起来的，相信这篇文章会对你有一点点所帮助。 已有模型 正文： model_fn: 我们首先需要写一个函数描述我们的网络，这个也是自己搭建模型最为核心的一步，通常需要做以下的事情 1.基本的网络结构（卷
3种用Keras和TensorFlow2.0创建模型的方法：序列模型，函数式模型和继承子类模型 Keras Tensor
_
12-08 504
David不经常聊代码，之所以单独post这篇文章，实在是这三种创建模型 None第一种，序列模型。顺序地依次定义 在Keras中只要模型是Sequential类，那就是使用了序列模型。 None第二种，函数式模型。定义层的分支，合并（concatenate）等 使用这个叫做downsample_moduleNone None第三种，继承子类模型。tensorflow.keras.models.Model结构 None还可以定义模型的行为 (call函数是Model基础类独有的方法.
keras：2)函数式(Functional)模型
Javis486的专栏
08-24 4237
相对序贯模型，函数式模型显得更灵活(序贯是函数式的特例)，这里对函数式模型进行简单地介绍，具体可以参考官方网店。 官方的栗子:from keras.layers import Input, Dense from keras.models import Model# This returns a tensor inputs = Input(shape=(784,))# a layer instanc
Tensorflow2.0 keras 模型搭建（函数式、子类式）
廷益_飞鸟的博客
02-22 919
模型结构 函数式 关键代码 # 函数式API 功能API input = tf.keras.layers.Input(shape=x_train.shape[1:]) hidden1 = tf.keras.layers.Dense(30, activation='relu')(input) hidden2 = tf.keras.layers.Dense(30, activation='relu')(hidden1) concat = tf.keras.layers.concatenate([input,.
全面小白分析如何使用tensorflow2.0中的函数式API创建任意结构模型
my_name_is_learn的博客
06-16 1337
手撕详解，tensorflow2.0使用函数式API创建任意结构模型，简单明了的教程，没有一点点装逼
TensorFlow高阶API实现深度学习模型代码集锦
5. TensorFlow高阶API构建大规模分布式深度学习模型系列：本资源推荐了一系列文章，以指导用户如何使用TensorFlow的高阶API来构建大规模分布式深度学习模型。这些文章涵盖了Dataset API处理Input pipeline、自定义...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Thomas Kant

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值