35、使用 TensorFlow Keras API 构建神经网络模型

使用 TensorFlow Keras API 构建神经网络模型

在当今的机器学习领域，神经网络模型的构建和训练是一项核心任务。TensorFlow Keras API（tf.keras）为我们提供了一种高效、便捷的方式来完成这些任务。本文将详细介绍如何使用 tf.keras 构建不同类型的神经网络模型，包括线性回归模型和多层感知器模型，并展示如何对训练好的模型进行评估、保存和重新加载。

1. TensorFlow Keras API 简介

Keras 是一个高级神经网络 API，最初设计用于在其他库（如 TensorFlow 和 Theano）之上运行。它提供了用户友好且模块化的编程接口，只需几行代码就能轻松进行原型设计和构建复杂模型。Keras 可以从 PyPI 独立安装，然后配置为使用 TensorFlow 作为其后端引擎。在 TensorFlow 2.0 中，tf.keras 已成为实现模型的主要推荐方法，它支持 TensorFlow 特定的功能，如使用 tf.data 的数据集管道。

构建神经网络模型时，有两种常用方法：
- tf.keras.Sequential() ：允许堆叠层以形成网络。可以将层列表传递给 tf.keras.Sequential() 定义的模型，也可以使用 .add() 方法逐个添加层。
- 子类化 tf.keras.Model ：通过定义模型类的 call() 方法来明确指定前向传播，从而对前向传播有更多的控制。

使用 tf.keras API 构建的模型可以通过 .compile() 和 .fit() 方法进行编译和训练。