tensorflow学习（一）：六步法搭建神经网络

最新推荐文章于 2023-02-06 15:01:12 发布

原创最新推荐文章于 2023-02-06 15:01:12 发布 · 889 阅读

5 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

12 篇文章

订阅专栏

本文是根据北大教授曹健的TensorFlow笔记改编，适合初学者。介绍了在遇到错误时如何修改代码，如ValueError和AttributeError的解决办法，并分享了作者的环境配置。文章内容包括神经网络的构建、训练过程及其结果。

部署运行你感兴趣的模型镜像

前言

本系列文章是根据北大教授曹健老师的tensorflow笔记改写而成，友情建议初学者可以看看，照着代码运行一遍，如果出错了，再来看我的解决办法。
我个人的版本情况：
anaconda: 4.3.21
python:3.6.0
tensorflow:1.7.0
keras: 2.1.6
pycharm:2017.2.3

错误警告

1.ValueError: The first layer in a Sequential model must get an input_shape argument.
在这里插入图片描述
这个是构建神经网络的第一层没有给出输入类型，修改如下：

2. AttributeError: module ‘tensorflow.python.keras.losses’ has no attribute ‘SparseCategoricalCrossentropy’
这个是损失函数losses中没有这种类型，修改成简化形式即可：
在这里插入图片描述

代码修改

#第一步：import库
import tensorflow as tf
#第二步：输入网络的测试集和验证集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
#第三步：构建神经网络
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=[28,28]),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])
#第四步：配置训练方法
model.compile(optimizer='adam',
              **loss='sparse_categorical_crossentropy',**
              metrics=['sparse_categorical_accuracy'])
#第五步：神经网络的执行
model.fit(x_train, y_train, batch_size=32, epochs=5, validation_data=(x_test, y_test), validation_freq=1)
#第六步：展示训练过程
model.summary()