tensorflow2.0编程规范
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tensorflow2.0编程规范,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1551字,纯文字阅读大概需要3分钟。
内容图文
![tensorflow2.0编程规范](/upload/InfoBanner/zyjiaocheng/833/ea9391453f9441a3a4cdddd6d065e75f.jpg)
背景
tensorflow2.0 相比于1.0 有很大变化,1.0版本的placeholder,Session都没有了,2.0版本强推使用keras。keras是一个比较高层的api,确实挺好用的,一些基本模型使用起来很方便,本文主要写了几种常用场景下的编程规范指南,都是自己总结出来的如果大家有更好的想法可以在评论中留言。
目的
编程规范的目的是,从构架速度、清晰、可扩展几个方面考虑。
编程规范
- 比较简单的顺序模型
比较简单的模型直接使用Sequential比较好,也可以使用Model构建 - 较复杂的模型
一般指有多输入都输出,共享某些层等的情况。
使用keras.Model
keras.Model必须有输入层,输出层,当构建一个Model的对象时,这个对象可以看成一个层,如果想将这个层用于另一个Model,必须重新定义输入层。举个例子:
1 import tensorflow as tf 2 3 try: 4 import tensorflow.python.keras as keras 5 except: 6 import tensorflow.keras as keras 7 import numpy as np 8 9 X = np.linspace(0, 1.0, 100) 10 y = X ** 2 + 1.0 11 X = np.reshape(X, (-1, 1)) 12 13 m_in = keras.layers.Input(shape=(1,)) 14 h1 = keras.layers.Dense(units=10, activation="relu") 15 out = keras.layers.Dense(units=1, activation="relu") 16 17 h = h1(m_in) 18 h = out(h) 19 model1 = keras.Model(inputs=m_in, outputs=h) 20 21 m2_in = keras.layers.Input(shape=(h.shape[1],)) 22 h2 = keras.layers.Dense(units=12) 23 h3 = keras.layers.Dense(units=1) 24 h = h2(m2_in) 25 h = h3(h) 26 27 model2 = keras.Model(inputs=m2_in, outputs=h) 28 # model2.summary() 29 30 31 32 m_in = keras.layers.Input(shape=(1,)) 33 h = model1(m_in) 34 out = model2(h) 35 36 model3 = keras.Model(inputs=m_in, outputs=out) 37 model3.summary()
关于Tensorflow2.0中Tensor类的问题,使用tf.shape获得的Tensor对象是没有numpy属性的。
内容总结
以上是互联网集市为您收集整理的tensorflow2.0编程规范全部内容,希望文章能够帮你解决tensorflow2.0编程规范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
扫描二维码推送至手机访问。