使用Python讨论如何使用Keras函数API创建层

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，与Python一起用于实现算法、深度学习应用等等。它被用于研究和生产。它具有优化技术，可帮助快速执行复杂的数学运算。

以下代码行可在Windows上安装’tensorflow’软件包 −

pip install tensorflow

Keras在希腊语中的意思是“角”。Keras是作为项目ONEIROS（Open-ended Neuro-Electronic Intelligent Robot Operating System）的研究的一部分而开发的。Keras是一个用Python编写的深度学习API。它是一个高级API，具有帮助解决机器学习问题的生产接口。它运行在Tensorflow框架之上。它被建立起来是为了帮助快速进行实验。它提供了必要的抽象和构建块，这些构建块在开发和封装机器学习解决方案中是必不可少的。

Keras已经存在于Tensorflow软件包中。可以使用以下代码行进行访问。

import tensorflow
from tensorflow import keras

Keras函数API有助于创建比使用顺序API创建的模型更灵活的模型。函数API可以处理具有非线性拓扑、共享层以及多个输入和输出的模型。深度学习模型通常是一个包含多个层的有向无环图（DAG）。函数API有助于构建层的图形。

我们使用Google Colab来运行以下代码。Google Colab或Colaboratory可在浏览器上运行Python代码，无需配置，免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。以下是代码片段，其中我们将看到如何使用Python使用Keras函数API创建层。

更多Python相关文章，请阅读：Python 教程

示例

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

inputs = keras.Input(shape=(784,))
print("演示")
img_inputs = keras.Input(shape=(32, 32, 3))
print("输入的尺寸")
print(inputs.shape)
print("输入的类型")
print(inputs.dtype)
print("模型中的层")
dense = layers.Dense(64, activation="relu")
x = dense(inputs)
x = layers.Dense(64, activation="relu")(x)
outputs = layers.Dense(10)(x)
print("正在构建模型")
model = keras.Model(inputs=inputs, outputs=outputs, name="mnist_model")
print("更多关于模型的信息")
model.summary()