keras + tensorflow —— 函数式 API编程
1. 实现简单的逻辑回归
from keras import Input
from keras import layers
from keras.models import Model
x = Input(shape=(32, ))# TensorShape([Dimension(None), Dimension(32)])
y = layers.Dense(16, activation='softmax')(x)
model = Model(x, y) # model.output_shape# model.summary()
2. 函数式编程的模型构建
序列化模型构建
seq_model = Sequential() seq_model.add(layers.Dense(32, activation='relu', input_shape=(64, )))# 首层必须指定 input_shape 或 batch_input_shape seq_model.add(layers.Dense(32, activation='relu')) seq_model.add(layers.Dense(10, activation='softmax'))
函数式API 下的模型构建
input_tensor = Input(shape=(64, )) z = layers.Dense(32, activation='relu')(input_tensor) z = layers.Dense(32, activation='relu')(z) y = layers.Dense(10, activation='softmax')(z) from keras.models import Model model = Model(input_tensor, y)
两种方式对比:
seq_model.summary() model.summary()
3. layers.concatenate 与 layers.add
layers.add:执行 tensor 的相加操作,要求输入必须同维度(或者经过 broadcast 之后是同维度);
x_1 = Input(shape=(32, )) x_2 = Input(shape=(32, )) >> layers.add([x_1, x_2]) <tf.Tensor 'add_3/add:0' shape=(?, 32) dtype=float32>x_1 = Input(shape=(32, 64)) x_2 = Input(shape=(64,)) >> layers.add([x_1, x_2]) <tf.Tensor 'add_4/add:0' shape=(?, 32, 64) dtype=float32>
layers.concatente:执行的是 tensor 的拼接操作(维度会拉长)
x_1 = Input(shape=(32, )) x_2 = Input(shape=(64, )) >> layers.concatenate([x_1, x_2]) <tf.Tensor 'concatenate_3/concat:0' shape=(?, 96) dtype=float32>
keras + tensorflow —— 函数式 API编程相关推荐
- Tensorflow C++ API调用Keras模型实现RGB图像语义分割
我的实验是基于PSPNet模型实现二维图像的语义分割,下面的代码直接从得到的h5文件开始往下做... 也不知道是自己的检索能力出现了问题还是咋回事,搜遍全网都没有可以直接拿来用的语义分割代码,东拼西凑 ...
- Keras函数式API
函数式API简介 使用函数式API,可以直接对张量进行操作,也可以把层当做函数来使用,接收张量并返回张量. 下面举一个简单的示例,并展示一个简单的Sequential模型以及对应的函数式API实现. ...
- python深度学习--Keras函数式API(多输入,多输出,类图模型)
import numpy as np import pandas as pd import matplotlib.pyplot as plt import pylab from pandas impo ...
- fit函数 model_函数式 API
Model 类(函数式 API) 在函数式 API 中,给定一些输入张量和输出张量,可以通过以下方式实例化一个 Model: from keras.models import Model from k ...
- keras教程-静态图编程框架keras-学习心得以及知识点总结
在过去的四个月里(2020三月开始的),和朋友一起对着官网的keras教程学习了一遍,学习的过程中发现有一些解释的不清楚的地方(官网的教程实在是~~~),我们自己做了实验,探索了问题的各个角落以及每个 ...
- MindSpore API编程概述
MindSpore API编程概述 总体架构 MindSpore是一个全场景深度学习框架,旨在实现易开发.高效执行.全场景覆盖三大目标,其中易开发表现为API友好.调试难度低,高效执行包括计算效率.数 ...
- tensorflow函数API总结
tensorflow函数API总结: 首推官网查询 tf.keras.Input:创建输入层 别名: tf.keras.Input tf.keras.layers.Input tf.keras.Inp ...
- Keras TensorFlow教程:如何从零开发一个复杂深度学习模型
Keras 是提供一些高可用的 Python API ,能帮助你快速的构建和训练自己的深度学习模型,它的后端是 TensorFlow 或者 Theano .本文假设你已经熟悉了 TensorFlow ...
- Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数
正文共5958个字,预计阅读时间15分钟. 笔记整理者:王小草 笔记整理时间:2017年2月27日 笔记对应的官方文档:https://www.tensorflow.org/get_started/i ...
最新文章
- C++中#error/assert/static_assert的区别及使用
- ie 打开后端发过来的pdf_某办公软件PDF阅读器漏洞挖掘及Crash分析
- python中change的用法_vue中select的使用、默认选择、onchange/change事件等操作实例
- Python1:if / while / for...in / break /continue
- iis同时运行asp和php,服务器IIS同时支持ASP和PHP
- APP:分享六款非常实用的冷门APP软件,值得一试!
- codeblocks如何导入项目_T3如何利用系统工具导入导出复制存货档案
- 洛谷P4445题解(Java语言描述)
- linux traceroute命令详解_详解Linux系统路由跟踪指令traceroute语法、工作原理和实例说明...
- linux centos ppp限速,Centos7限速和测速
- iOS UIButton没了交互事件
- Mozilla FireFox 爆JAR URI处理跨站脚本漏洞 可偷窃Google帐户
- oppo广告推广分为哪些版块?oppo广告投放的优势有哪些?
- 态度决定高度,高度决定命运。对自己要狠一点,再狠一点,因为,你要的比别人多,就必须付出得比别人多。
- typescript中的类型type与接口interface
- Web应用中基于密码的身份认证机制(表单认证、HTTP认证: Basic、Digest、Mutual)
- 太空动作游戏《Phobos Vector Prime》创作经验分享
- iOS制作framework
- 【张朝阳的物理课笔记】 2. 能量守恒,动量守恒,第二宇宙速度
- 面向接口进行开发,而不是面向实现
热门文章
- wamp修改默认80端口
- 关于用C#编写ActiveX控件4(转)
- MFC 教程【12_对话框和对话框类CDialog 】
- mysql.servet复制到哪_Mysql复制及代理
- 广东学考计算机专业要多少排位,太难了!2021年学考录取分数大暴涨!深职、广轻需要300分以上?...
- python背单词小程序_python背单词小程序
- 【java学习之路】(java SE篇)006.异常
- MySQL之mysqldump的使用
- vue css隐藏_Vue+BootStrapV4,构建响应式、移动优先项目——BootstrapVue
- java hql多条件查询_JSP 开发之hibernate的hql查询多对多查询