TensorFlow 2.9的零零碎碎(一)-tf.keras里的兜兜转转
目录
tf.keras
TensorFlow 1的时代
TensorFlow 2(2.6之前)的时代
TensorFlow 2(2.6之后,含2.6)的时代
表面统一,背后杂乱
举几个例子
tf.keras.datasets.mnist
tf.keras.models.Sequential()
tf.keras.layers
TensorFlow和Keras就不过多介绍了。
反正记得对于很多人来说,TensorFlow+Keras的组合就够用了,并且也很好用。
tf.keras
深度学习系统里有一个很严重的问题,就是兼容性。这是因为深度学习系统里有很多的模块(构件、组件),并且很可能是不同的团队开发,比如TensorFlow和Keras。
TensorFlow 1的时代
TensorFlow 1和Keras互相独立,虽然在TensorFlow 1.1x的时候就整合了Keras,但整合进去的还不完善,所以当时得分别安装
pip install tensorflow
pip install keras
也要分别引用
import tensorflow
import keras
TensorFlow 2(2.6之前)的时代
TensorFlow 2(2.6之前)完成了对Keras 的整合,Keras变成了TensorFlow代码库的一部分。
安装变成了只安装TensorFlow即可,Keras不再作为独立的模块出现,而是TensorFlow的一部分。
pip install tensorflow
这个时候感觉代码的结构就已经比较混乱了。因为想使用Keras,有好多入口(调用方法)
比如
import tensorflow.keras.xxxx
import tensorflow.python.keras.xxx
TensorFlow 2(2.6之后,含2.6)的时代
种种原因,TensorFlow 2(2.6之后,含2.6),Keras的代码又独立出来了。
Tensorflow 2.6 的发行说明中指出,Keras 被拆分为单独的 PIP 包(keras),Keras代码已移至 GitHub 存储库 keras-team/keras,tf.keras 的 API 端点保持不变,但现在由 keras PIP 包支持。
对于用户来说,安装命令还是一样。
虽然命令一样,但实际的动作和TensorFlow 2(2.6之前)不一样了,执行这条命令除了安装Tensorflow模块之外,还会自动安装Keras模块(Keras模块从TensorFlow模块中拆分出来了)
pip install tensorflow
Tensorflow 2.6 的发行说明中还说明了tensorflow/python/keras 中的现有代码是一个陈旧的副本,将在未来版本 (2.7) 中删除。
应删除对 tensorflow.python.keras 的任何导入,并将它们替换为公共 tf.keras API。
所以应统一使用
import tensorflow.keras.xxxx
表面统一,背后杂乱
当然了,tensorflow和keras发展的过程中,分分合合,造成了很多历史遗留问题。虽然现在统一使用tensorflow.keras这个入口,但这个入口背后的代码却是层层跳转,显得非常复杂。
tensorflow.keras里定义了很多模块,比如layers、models
假设有一个模块叫tf.keras.xxx
CTRL+鼠标左键点击xxx无法跳转到定义
断点调试可以发现,tf.keras模块实际调用的是keras.api._v2.keras模块,
查看tf.keras的源码也佐证了这一点
_keras_module = "keras.api._v2.keras"
keras = _LazyLoader("keras", globals(), _keras_module)
_module_dir = _module_util.get_parent_dir_for_name(_keras_module)
if _module_dir:_current_module.__path__ = [_module_dir] + _current_module.__path__
setattr(_current_module, "keras", keras)
举几个例子
tf.keras.datasets.mnist
keras.api._v2.keras.datasets.mnist模块其实还不是最终节点,在其__init__.py中有定义
from keras.datasets.mnist import load_data
keras.datasets.mnist才是实现了mnist数据集操作的模块
我们主要用到的是读取数据集,即loda_data函数
tf.keras.models.Sequential()
来源于from keras.api._v2.keras import models
在keras.api._v2.keras.models的__init__.py中有定义
from keras.engine.sequential import Sequential
可以看出,Sequential其实是在keras.engine.sequential中实现的
tf.keras.layers
和tf.keras.models类似,都是定义在keras.api._v2.keras下,最终在keras.engine.xx或者keras.layers.xx中实现
例如ReLU,实际是在from keras.layers.activation.relu import ReLU中实现
TensorFlow 2.9的零零碎碎(一)-tf.keras里的兜兜转转相关推荐
- 深度学习框架 TensorFlow:张量、自动求导机制、tf.keras模块(Model、layers、losses、optimizer、metrics)、多层感知机(即多层全连接神经网络 MLP)
日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 安装 TensorFlow2.CUDA10.cuDNN7.6. ...
- 图片基础与tf.keras介绍
图片基础与tf.keras介绍 1.1 图像基本知识 回忆:之前在特征抽取中如何将文本处理成数值. 思考:如何将图片文件转换成机器学习算法能够处理的数据? 我们经常接触到的图片有两种,一种是黑白图片( ...
- tf.keras softmax多分类
学习目标: tf.keras softmax 多分类 对数几率回归解决的是二分类的问题,对于多个选项的问题,我们可以使用softmax函数.它是对数几率回归在 N 个可能不同的值上的推广. 学习过程: ...
- tensorflow tf.keras.losses.MeanSquaredError 均方差损失函数 示例
import tensorflow as tf import numpy as np 公式 error=1m∑i=1m(xi−yi)2error = \frac{1}{m}\sum_{i=1}^{m} ...
- tensorflow tf.keras.layers tf.image 图像增强
import matplotlib.pyplot as plt import numpy as np import tensorflow as tf import tensorflow_dataset ...
- tensorflow tf.keras.utils.plot_model 画深度学习神经网络拓扑图
tensorflow tf.keras.utils.plot_model 画网络拓扑图 # pip install graphviz # pip install pydot # 下载 graphviz ...
- 【tf.keras】TensorFlow 1.x 到 2.0 的 API 变化
3. model.compile() 中设置 metrics=['acc'] 或者 ['accuracy'],会影响 model.fit() 生成的 log,callbacks.ModelCheckp ...
- TensorFlow 2.7 正式版上线,改进 TF/Keras 调试,支持 Jax 模型到 TensorFlow Lite转换
点击上方"AI遇见机器学习",选择"星标"公众号 重磅干货,第一时间送达 转自 | 机器之心 TensorFlow2.7 正式发布,新版本包括对 tf.kera ...
- 【tf.keras】tf.keras使用tensorflow中定义的optimizer
我的 tensorflow+keras 版本: print(tf.VERSION) # '1.10.0' print(tf.keras.__version__) # '2.1.6-tf' tf.ker ...
最新文章
- python input与返回值-python中使用input()函数获取用户输入值方式
- springboot-web开发(静态资源)
- linux 账号密码 字段,详解Linux中的用户密码管理命令passwd和change
- android 回归测试,自动遍历回归测试工具
- 在Qt界面中显示OpenCV图像
- jira7.3.6的安装步骤
- Sqlite 对数据进行增删改查
- java页面左右飘窗_页面飘窗设计
- 百度收购91无线,效果未必如愿
- halo博客系统升级
- Linux 如何查看内存使用情况
- 骑士人才招聘系统源码SE版 v3.16.0
- Amlogic Linux系列(一)S912盒子刷Khadas ubuntu系统
- uni-app中使用video.js
- 集成电路测试简介(2)
- 2020年9-12月份精彩文章分类汇总
- 微信小程序使用微信服务号推送消息
- 一个“好”的数据分析师是怎样炼成的?
- 哈斯HASS驱动器电源维修HASS40HP/20HP
- FART一键刷机脚本