如何使用 Tensorflow 创建使用 Python 的顺序模型?
pythonserver side programmingprogrammingtensorflow
可以使用‘Sequential’ API 创建顺序模型，该 API 使用‘ layers.experimental.preprocessing.Rescaling’ 方法。其他层在创建模型时指定。
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?
我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每个层都有一个输入张量和一个输出张量。
我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。 Colaboratory 是在 Jupyter Notebook 基础上构建的。
print("Sequential model is being created")
num_classes = 5
model = Sequential([
layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
layers.Conv2D(16, 3, padding='same', activation='relu'),
layers.MaxPooling2D(),
layers.Conv2D(32, 3, padding='same', activation='relu'),
layers.MaxPooling2D(),
layers.Conv2D(64, 3, padding='same', activation='relu'),
layers.MaxPooling2D(),
layers.Flatten(),
layers.Dense(128, activation='relu'),
layers.Dense(num_classes)
])
代码来源:https://www.tensorflow.org/tutorials/images/classification
输出
Sequential model is being created
解释
- 该模型包含三个卷积块，每个块中都有一个最大池化层。
- 它还有一个完全连接的层，其顶部有 128 个单元。
- 这由 relu 激活函数激活。
- 此模型未针对高精度进行调整。
- 创建了一个具有三层的顺序模型。
