keras搬砖系列-重温函数式模型

本文介绍了如何使用Keras函数式API构建复杂的多输入、多输出及共享层模型。通过实例演示了全连接网络的搭建过程,并展示了如何重用已训练的模型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

keras搬砖系列-重温函数式模型

keras函数式模型接口是用户定义多输出模型,非循环有向模型或具有共享层的模型等复杂模型的途径。
需要多个输出,应该选择函数式模型。

第一个模型:全连接网络

输入是张量,输出也是一个框架就是一个模型,通过Model定义。
from keras.layers import Input,Dense
from keras.models import Model

inputs = Input(shape=(784,))

X = Dense(64,activation='relu')(inputs)
X = Dense(64,activation='relu')(X)
predictions = Dense(10,activation='softmax')(X)

model = Model(inputs = inputs,outputs = predictions)
model.compile(optimizer='rmsprop',loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit(data,labels)

所有模型都是可调用的,就想层一样

利用函数式模型的接口,我们可以很容易重用已经训练好的模型,可以把模型当作一个层一样,通过tensor进行调用。调用
X = Input(shape=(784,))
Y = model(X)

多输入模型与多输出模型


主要输入接收新闻本身,即一个整数的序列。这些整数位于1-100000之间,这个序列有100个单词。




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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