二零二三年 优质公开课TensorFLowKears的使用步骤.pptx

1.1 机学习概览欢迎进入《数据科学与机器学习》课程学习 第4单元 机器学习与神经网络TensorFLow深度学习库 TensorFLow深度学习库 安装TensorFlow 202 TensorFlow的基本概念01 TensorFlow API简介03 TensorFlow/Keras的使用步骤04 TensorFlow Kears使用步骤Kears 简介 Keras是一个用于构建和训练深度学习模型的高级API。 它用于快速原型设计，高级研究和生产，具有三个主要优点： 用户友好 ：Keras具有针对常见用例优化的简单一致的界面。它为用户错误提供清晰且可操作的反馈。 模块化和可组合：Keras模型是通过将可配置的构建块连接在一起而制定的，几乎没有限制。 易于扩展：编写自定义构建块以表达研究的新想法。 创建新图层，损失函数并开发最先进的模型。 TensorFlow Kears使用步骤导入 tf.keras tf.Kears 是 Keras API 在TensorFlow 里的实现。这是一个高级API，用于构建和训练模型，同时兼容 TensorFlow 的绝大部分功能，tf.keras使得 TensorFlow 更容易使用，且保持 TF 的灵活性和性能。 import tensorflow as tf from tensorflow import keras TensorFlow Kears使用步骤构建一个简单的模型 在Keras中，可以组装图层来构建模型。模型（通常）是图层图。 最常见的模型类型是一堆层：tf.keras.Sequential 模型。 构建一个简单的全连接网络（即多层感知器）： model = keras.Sequential()# Adds a densely-connected layer with 64 units to the model:model.add(keras.layers.Dense(64, activation=relu))# Add another:model.add(keras.layers.Dense(64, activation=relu))# Add a softmax layer with 10 output units:model.add(keras.layers.Dense(10, activation=softmax)) TensorFlow Kears使用步骤配置图层在 tf.keras.layers 中有很多层，下面是一些通用的构造函数的参数： activation：设置层的激活函数。 此参数由内置函数的名称或可调用对象指定。 默认情况下，不应用任何激活。 kernel_initializer 和 bias_initializer：设置层创建时，权重和偏差的初始化方法。指定方法：名称 或 可调用对象。默认为Glorot uniform initializer。 kernel_regularizer 和 bias_regularizer：设置层的权重、偏差的正则化方法。比如：L1 或 L2 正则。默认为空。以下实例化tf.keras。 layers.Dense图层使用构造函数参数： TensorFlow Kears使用步骤以下实例化tf.keras。 layers.Dense图层使用构造函数参数：# Create a sigmoid layer:layers.Dense(64, activation=sigmoid)# Or:layers.Dense(64, activation=tf.sigmoid)# A linear layer with L1 regularization of factor 0.01 applied to the kernel matrix:layers.Dense(64, kernel_regularizer=keras.regularizers.l1(0.01))# A linear layer with L2 regularization of factor 0.01 applied to the bias vector:layers.Dense(64, bias_regularizer=keras.regularizers.l2(0.01))# A linear layer with a kernel initialized to a random orthogonal matrix