tensorflow 学习笔记

（一）高阶api: keras

处理过程

1. 定义模型
2. 训练模型
3. 评估与预测

1）定义模型

1.1)可以通过组合层来构建模型。模型（通常）是由层构成的图。最常见的模型类型是层的堆叠：tf.keras.Sequential 模型。

model = tf.keras.Sequential()

1.2)添加层

model.add(layers.Dense(64, activation='relu'))
# Add another:
model.add(layers.Dense(64, activation='relu'))
# Add a softmax layer with 10 output units:
model.add(layers.Dense(10, activation='softmax'))

2） 训练模型

2.1)指定优化器和损失函数

model.compile(optimizer=tf.train.AdamOptimizer(0.001),
              loss='categorical_crossentropy',
              metrics=['accuracy'])

2.2)准备数据

将训练、测试、验证数据构建tensorflow的dataset数据集对象，参考tf.data.Dataset类api。

2.3)训练模型

model.fit(dataset, epochs=10, steps_per_epoch=30,
          validation_data=val_dataset,
          validation_steps=3)

 3）评估与预测

3.1)评估

model.evaluate(data, labels, batch_size=32)

3.2)预测

model.predict(data, batch_size=32)