如何使用 Keras 将模型绘制为图形并使用 Python 显示输入和输出形状?
Tensorflow 是 Google 提供的机器学习框架。它是一个与 Python 结合使用的开源框架，用于实现算法、深度学习应用程序等。它用于研究和生产目的。它具有优化技术，有助于快速执行复杂的数学运算。Tensor 是 TensorFlow 中使用的数据结构。它有助于连接流程图中的边缘。此流程图称为"数据流图"。张量不过是一个多维数组或列表。
Keras 是作为 ONEIROS(开放式神经电子智能机器人操作系统)项目研究的一部分开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的接口，可帮助解决机器学习问题。它在 Tensorflow 框架之上运行。它旨在帮助快速进行实验。它提供了开发和封装机器学习解决方案所必需的抽象和构建块。
它具有高度可扩展性，并具有跨平台能力。这意味着 Keras 可以在 TPU 或 GPU 集群上运行。Keras 模型也可以导出以在 Web 浏览器或手机中运行。
Keras 已经存在于 Tensorflow 包中。可以使用下面的代码行访问它。
import tensorflow from tensorflow import keras
与使用顺序 API 创建的模型相比，Keras 函数式 API 有助于创建更灵活的模型。函数式 API 可以处理具有非线性拓扑、可以共享层并处理多个输入和输出的模型。深度学习模型通常是包含多个层的有向无环图 (DAG)。函数式 API 有助于构建层图。
我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且无需配置，可以免费访问 GPU(图形处理单元)。Colaboratory 是在 Jupyter Notebook 之上构建的。以下是代码片段 −
示例
print("绘制构建的模型")
keras.utils.plot_model(model, "my_model.png")
print("显示输入和输出数据的维度")
keras.utils.plot_model(model, "my_first_model.png", show_shapes=True)
代码来源 − https://www.tensorflow.org/guide/keras/ functional
输出
解释
层图是深度学习模型的心理图像，可以使用功能 API 创建。
