TensorFlow2：用Keras构建模型与训练

有了Keras之后，事情变得简单

模型构建

首先，明确Keras中有两个重要的模块：model和layer
Keras中layer分装了常见的全连接层，cnn,rnn等，我们只需要调用这些层，封装进model中，就完成了网络的构建，使用Keras后，网络定义变得高效，标准，快速。

使用Sequential()构建模型

import tensorflow as tf
import numpy as np
model = tf.keras.models.Sequential()
model.add(tf.keras.Input(shape=(15,20),name='input'))
model.add(tf.keras.layers.Dense(10,activation = 'relu', name ='dense1'))
model.add(tf.keras.layers.SimpleRNN(128))
model.add(tf.keras.layers.Dense(3,activation = 'softmax', name ='pred'))
print(model.summary())

结果：

先定义层再分装

import tensorflow as tf
import numpy as np
input = tf.keras.Input(shape=(15,20),name='input')
out = tf.keras.layers.Dense(10,activation = 'relu', name ='dense1')(input)
out = tf.keras.layers.SimpleRNN(128)(out)
out = tf.keras.layers.Dense(3,activation = 'softmax', name ='pred')(out)
model = tf.keras.Model(inputs=input,outputs=out)
print(mode