batmanchen的博客

本章总览 模型验证：model.evaluate()这个函数封装的比较low，建议大家自己写，虽然我现在先不会，但是思路是这样的。 模型预测：model.predict()虽然也是封装好的，但是我们一样可以自己写。 回调函数 回调函数就是keras在模型训练时，需要调用多个函数。调用会根据这些函数进行保存，或者学习力的衰减。 ModelCheckpoint：定期保存模型，第二个epoch没有第一个好，就不保存第二个epoch，直接在第一个基础上进行第三个epoch。 EarlyStopping：当培训不

本篇blog介绍了tensorflow2.0的三种建模方式。 初学者建议前两种，学到后期强烈建议后一种，可以高度自定义。 顺序模型Sequential model tf.keras.Sequential 就像搭积木一样，一层一层往上搭建。 第一种搭积木方式： from tensorflow.keras import layers import tensorflow as tf model = tf.keras.Sequential() model.add(layers.Dense(64, activati

tf.keras.layers（keras在2.3.0之后便不再更新，tf.keras继承了keras的代码，并现在主流使用） tf.nn 里面有很多层，卷积，循环，全连接神经网络，里面有很多层可以直接调用。 在大多数据情况下，可以使用TensorFlow封装的tf.keras.layers构建的一些层建模，Keras层是非常有用的。 tf.keras.layers.LSTM(100)#循环神经网络 tf.keras.layers.Dense(100)#全连接层 tf.keras.layers.Dense

**tensorflow对应的操作有一些封装好的库。**很多操作可以直接调用，对张量进行操作。 本篇blog只是简单的列举了几个用的较多的必备函数。 tf.strings 常用于推荐算法，NLP场景。对字符串进行分割等等。 IN:tf.strings.bytes_split('hello') OUT:<tf.Tensor: id=109, shape=(5,), dtype=string, numpy=array([b'h', b'e', b'l', b'l', b'o'], dtype=object

总览 在进行tensorflow的使用之前，我们可以使用 import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) 来查看安装的tf版本以及gpu是否可使用。 关于张量（tensor） 通俗一点讲：张量是对标量，矢量，矩阵的推广。一阶张量可以理解成一个向量，二阶张量可以理解成矩阵，三阶张量可以理解成立方体，四阶张量可以理解成立方体组成的一个向量，五阶张量可以理解成立方体组成的矩阵，依次类推。 关于RA