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:modellayer
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:
在这里插入图片描述

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
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