TensorFlow model
两种创建model
的方式
1:链式函数创建
要创建输入层inputs
import tensorflow as tfinputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
2:使用对象创建
import tensorflow as tfclass MyModel(tf.keras.Model):def __init__(self):super(MyModel, self).__init__()self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)def call(self, inputs):x = self.dense1(inputs)return self.dense2(x)model = MyModel()
属性
属性 | 描述 |
---|---|
layers | 层 |
metrics_names | 所有输出的标签 |
run_eagerly |
是否使用eagerly模式,默认False ,静态图
|
sample_weights | |
state_updates |
方法
- compile
compile(optimizer,loss=None,metrics=None,loss_weights=None,sample_weight_mode=None,weighted_metrics=None,target_tensors=None,distribute=None,**kwargs
)
参数 | 描述 |
---|---|
optimizer | (string,Object)优化器 |
loss | (String,Object,Function),如果模型有多个输出,可以为不同的输出指定不同的损失函数 |
metrics | (List(String))衡量指标,比如[‘accuracy’,‘mse’] |
loss_weights | |
sample_weight_mode | |
weighted_metrics | |
target_tensors | |
distribute | |
**kwargs |
evaluate
evaluate(x=None,y=None,batch_size=None,verbose=1,sample_weight=None,steps=None,callbacks=None,max_queue_size=10,workers=1,use_multiprocessing=False
)
参数 | 描述 |
---|---|
x | (numpy array;tensor;[tensor];dict;tf.data;keras.utils.Sequence) |
y | |
batch_size | (int)每一次梯度下降使用的样本数量.默认为32,如果输入数据已经指定了batch_size,则不要再次指定 |
verbose | |
sample_weight | |
steps | (int)执行多少个batch之后打印日志信息,默认,一个epoch,打印一次 |
callbacks | |
max_queue_size | |
workers | |
use_multiprocessing |
evaluate_generator
evaluate_generator(generator,steps=None,callbacks=None,max_queue_size=10,workers=1,use_multiprocessing=False,verbose=0
)
fit
fit_generator
get_layer
get_layer(name=None,index=None
)
load_weights
load_weights(filepath,by_name=False
)
predict
predict(x,batch_size=None,verbose=0,steps=None,callbacks=None,max_queue_size=10,workers=1,use_multiprocessing=False
)
predict_generator
predict_generator(generator,steps=None,callbacks=None,max_queue_size=10,workers=1,use_multiprocessing=False,verbose=0
)
predict_on_batch
predict_on_batch(x)
reset_metrics
reset_states
save
保存模型为HDF5文件
save_weights
summary
summary(line_length=None,positions=None,print_fn=None
)
test_on_batch
to_json
to_yaml
train_on_batch
参考:
https://tensorflow.google.cn/versions/r2.0/api_docs/python/tf/keras/Model
TensorFlow model相关推荐
- 学习笔记TF053:循环神经网络,TensorFlow Model Zoo,强化学习,深度森林,深度学习艺术...
循环神经网络.https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/re ...
- tensorflow object_detection api ERROR:tensorflow:Model diverged with loss = NaN.
进行迁移学习时,使用model_main.py进行训练,无脑报错#"ERROR:tensorflow:Model diverged with loss = NaN.".后来上git ...
- tensorflow model save and restore
TensorFlow 模型保存/载入 我们在上线使用一个算法模型的时候,首先必须将已经训练好的模型保存下来.tensorflow保存模型的方式与sklearn不太一样,sklearn很直接,一个skl ...
- Tensorflow Summary: 查看Tensorflow Model pb格式模型的信息
参考文链:如何查看Tensorflow SavedModel格式模型的信息; 参考:summary方法--小酒窝的博客; 参考:tensorflow中输出参数的方法--详细; tensorflow生成 ...
- tensorflow model几种模型文件
转载:https://blog.eson.org/pub/3da24a26/ 模型文件相关 checkpoint (.ckpt): variable的序列化存储,常用于保存和还原模型参数.保存方式是变 ...
- Retrain a tensorflow model based on Inception v3
本文在谷歌2015_CVPR Inception v3模型的基础上,结合花朵识别的具体问题重新训练该模型,以获取自己需要的tensorflow模型. 重新训练Inception v3实质是在原有模型输 ...
- tensorflow model.compile() 示例
model.compile()方法用于在配置训练方法时,告知训练时用的优化器.损失函数和准确率评测标准 model.compile(optimizer=tf.keras.optimizers.Adam ...
- 2020-12-08 tensorflow model.fit_generator()函数参数
model.fit_generator()函数参数 fit_generator(self, generator, steps_per_epoch, epochs=1, verbose=1, callb ...
- Pascal VOC 数据集介绍(tensorflow model zoo)
Pascal VOC 数据集的下载 # 下载2007年的训练数据 wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06- ...
最新文章
- Struts2之Ognl
- leetcode--133. 克隆图
- 集合中获取元素为什么要进行强制类型转换
- mysql学习笔记12 其他函数
- SpringBoot 如何统一后端返回格式?老鸟们都是这样玩的!
- svg mysql_!!!常用SVG代码
- Bailian2735 八进制到十进制【入门】(POJ NOI0113-46)
- w ndows10隐藏桌面设置,Win10双击桌面隐藏/显示图标?这个可以有
- 抛弃手册,开启TongWeb+TongLINK/Q的开发方式
- 计算机专业职业适应性考试包括什么内容,2020年分类招生《职业适应性测试(职业技能测试)》大纲...
- java log 断点_断点续传JAVA实现
- ACM比赛一些需要注意的极端情况
- 大连英语培训商务英语百家外语当今社会学习商务英语的重要性
- No changes detected报错解决方案
- 平台经济中国案例研究——网易云平台
- 地球系统模式CESM学习记录
- Markdown 中设置文本字体为红色(改变字体颜色)的方法
- 数据分析实际案例之:pandas在餐厅评分数据中的使用
- 安装vmtools之后任然不能在虚拟机和主机之间复制粘贴的问题
- B. Equalize by Divide - 思维+构造+排序
热门文章
- python处理word或者pdf文件_利用python程序生成word和PDF文档的方法
- python索引用法_python 列表索引问题
- 从零开始学前端:css3新属性scss和less --- 今天你学习了吗?(CSS:Day22)
- LeetCode力扣(27. 移除元素)----Java/JavaScript/C
- 微课--Python使用tkinter和SQLite编写通信录管理程序(21分钟)
- Python+matplotlib绘制三维图形5个精选案例
- Python截屏扩展库pyscreenshot安装与使用
- Python批量提取PDF文件中的文本
- qpushbutton设置两个图标_宝马显示屏上的各种图标是啥意思,这里分享几个问的最多的!...
- 相位延迟和群延迟的区别