如何使用 Tensorflow 编译使用 Python 的模型?

pythonserver side programmingprogrammingtensorflow

可以使用‘compile’方法编译在 Tensorflow 中创建的模型。使用‘SparseCategoricalCrossentropy’方法计算损失。

阅读更多: 什么是 TensorFlow,以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?

我们正在使用 Google Colaboratory 来运行以下代码。 Google Colab 或 Colaboratory 可帮助在浏览器上运行 Python 代码,无需任何配置,并可免费访问 GPU(图形处理单元)。Colaboratory 是在 Jupyter Notebook 的基础上构建的。

print("The model is being compiled")
model.compile(optimizer='adam',loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
   metrics=['accuracy'])
print("The architecture of the model")
model.summary()

代码来源:https://www.tensorflow.org/tutorials/images/classification

输出

The model is being compiled
The architecture of the model
Model: "sequential_2"
_________________________________________________________________
Layer (type)                 Output Shape              Param #  
=================================================================
rescaling_1 (Rescaling)      (None, 180, 180, 3)       0        
_________________________________________________________________
conv2d_6 (Conv2D)            (None, 180, 180, 16)      448      
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 90, 90, 16)        0        
_________________________________________________________________
conv2d_7 (Conv2D)            (None, 90, 90, 32)        4640    
_________________________________________________________________
max_pooling2d_5 (MaxPooling2 (None, 45, 45, 32)        0        
_________________________________________________________________
conv2d_8 (Conv2D)            (None, 45, 45, 64)        18496    
_________________________________________________________________
max_pooling2d_6 (MaxPooling2 (None, 22, 22, 64)        0        
_________________________________________________________________
flatten_1 (Flatten)          (None, 30976)             0        
_________________________________________________________________
dense_2 (Dense)              (None, 128)               3965056  
_________________________________________________________________
dense_3 (Dense)              (None, 5)                 645      
=================================================================
Total params: 3,989,285
Trainable params: 3,989,285
Non-trainable params: 0
_________________________________________________________________

解释

  • 使用 optimizers.Adam 优化器和losses.SparseCategoricalCrossentropy 损失函数。
  • 可以通过传递 metrics 参数来查看每个训练时期的训练和验证准确率。
  • 模型编译完成后,使用"summary"方法显示架构摘要。

相关文章