tensorflow如何区别类(class)和方法(op)

最新推荐文章于 2024-08-31 11:36:40 发布

王定邦

最新推荐文章于 2024-08-31 11:36:40 发布

阅读量718

点赞数

分类专栏： linux python 文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/weixin_44238733/article/details/109411230

版权

python 同时被 2 个专栏收录

9 篇文章

订阅专栏

linux

5 篇文章

订阅专栏

博客介绍了区分TensorFlow中类与方法的办法，即看最后一个字符串首字母大小写，大写为类，小写为方法。还指出tf.keras.models.Sequential是tf.keras.Sequential的别名，继承自tf.keras.Model，介绍了其常用方法，并给出minist手写数字数据集模型建立等过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow看上去有点晕，我们往往看到的一串字符到底是类还是方法？如
tf.keras.models.Sequential, tf.estimator, tf.losses, tf.keras.Model等眼花缭乱，它们究竟是类，或是方法傻傻搞不清。
现看到一个区别办法，就是看最后一个字符串中，首字母是大写还是小写。首字母大写就是类，小写则是方法，如
类(class)：tf.keras.Model, tf.keras.Sequential
方法(op)：tf.estimator, tf.losses
在神经网络中常用的tf.keras.models.Sequential是一个类，但是从tensorflow.org的API中怎么查不到呢？原来他是tf.keras.Sequential的别名，表示这个类从tf.keras.Model继承而来，于是有layer方法，Dense类来进一步定义神经网络的前向通道。
tf.keras.Sequential类中常用的方法有compile, fit, evaluate
下面是tensorflow.org提供的minist手写数字数据集模型建立，反向通道和训练过程：

#模型建立
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])
#反向通道，定义优化器，损失函数，评测指标
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

#训练并验证模型：
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test,  y_test, verbose=2)