有了Keras之后,事情变得简单
用Keras构建模型与训练
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