tensorflow实现python深度学习步骤——keras搭建网络八股sequential

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了tensorflow实现python深度学习步骤——keras搭建网络八股sequential，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1755字，纯文字阅读大概需要3分钟。

内容图文

搭建网络八股步骤

Import
Train, test
Model = tf.keras.models.Sequential 搭建网络结构
Model.compile 配置训练参数，告知优化器、损失函数、评测指标
Model.fit 配置训练过程，告知训练集的输入特征和标签、batch、迭代次数
Model.summary

具体步骤

1.Model = tf.keras.models.Sequential([网络结构]) 描述各层网络
网络结构举例：
拉直层：tf.kears.layers.Flatten()
全连接层：tf.kears.layers.Dense(神经元个数，activation=”激活函数”，kernel_regularizer=哪 种正则化方法)
Activation可选：relu, softmax, sigmoid, tanh
Kernel_regularizer可选：tf.keras.regularizers.l1(), tf.keras.regularizers.l2()
卷积层：tf.keras.layers.Conv2D(filters=卷积核个数，kernel_size=卷积核尺寸，strides=卷积步长，padding=”valid” or “same”)
LSTM层：tf.keras.layers.LSTM()

2.Model.compile(optimizer=优化器，loss=损失函数，metrics=[“准确率”])
Optimizer可选：
‘sgd’ or tf.keras.optimizers.SGD(lr=学习率，momentum=动量参数)
‘sdagrad’ or tf.keras.optimizers.Adagrad(lr=学习率)
‘adadelta’ or tf.keras.optimizers.Adadelta(lr=学习率
‘adam’ or tf.keras.optimizers.Adam(lr=学习率，brta_1=0.9, beta_2=0.999)
Loss可选：
‘mse’ or tf.keras.losses.MeanSquaredError()
‘sparse_categorical_crossentropy’ or tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False) from_logits=是否是原始概率分布，若经过softmax分类，为false
Metrics可选：
‘accuracy’: y_和y都是数值，y_=[1] y=[1]
‘categorical_accuracy’: y_和y都是独热码（概率分布）,如y_=[0,1,0] y=[0.2,0.6,0.2]
‘sparse_categorical_accuracy’: y_是数值，y是独热码（概率分布），如y_=[1] y=[0.2,0.6,0.2]

3.Model.fit(训练集的输入特征，训练集的标签，batch_size=每次喂入数据网络的数据集，epochs=迭代多少次数据集，validation_data=(测试集的输入特征，测试集的标签)，validation_split=从训练集中划分多少比例给测试集，validation_freq=多少次epoch测试一次)

内容总结

以上是互联网集市为您收集整理的tensorflow实现python深度学习步骤——keras搭建网络八股sequential全部内容，希望文章能够帮你解决tensorflow实现python深度学习步骤——keras搭建网络八股sequential所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---