keras API的使用，神经网络层，优化器，损失函数，查看模型层数，compile和fit训练...

高颜值的杀生丸

于 2020-02-01 18:39:00 发布

阅读量777

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/u010970956/article/details/104141286

本文详细介绍使用TensorFlow构建深度学习模型的过程，包括通过Sequential和Model两种方式创建模型，以及模型的训练方法。同时，文章深入讲解了Flatten、Dense层的作用，优化器的选择，损失函数的使用，并提供了具体的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

layers介绍

Flatten和Dense介绍

优化器

损失函数

compile用法

第二个是onehot编码

模型训练 model.fit

两种创建模型的方法

from tensorflow.python.keras.preprocessing.image import load_img,img_to_array
from tensorflow.python.keras.models import Sequential,Model
from tensorflow.python.keras.layers import Dense,Flatten,Input
import tensorflow as tf
from tensorflow.python.keras.losses import sparse_categorical_crossentropy


def main():

    #通过Sequential创建网络
    model = Sequential(
        [
            Flatten(input_shape=(28,28)),
            Dense(64,activation=tf.nn.relu),
            Dense(128,activation=tf.nn.relu),
            Dense(10,activation=tf.nn.softmax)
        ]
    )
    print(model)

   #通过Model创建模型
    data = Input(shape=(784,))
    out = Dense(64)(data)
    model_sec = Model(inputs=data,outputs=out)
    print(model_sec)
    print(model.layers,model_sec.layers)
    print(model.input,model.output)
    print(model.summary())
    print(model_sec.summary())

if __name__ == '__main__':
    main()