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 ...

keras + tensorflow —— 函数式 API编程

1. 实现简单的逻辑回归

2. 函数式编程的模型构建

3. layers.concatenate 与 layers.add

keras + tensorflow —— 函数式 API编程相关推荐

最新文章

热门文章