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()
代码来源 − https://www.tensorflow.org/guide/keras/functional
输出
解释
-
创建了一个输入节点,并将数据的形状设置为784维向量。
-
返回的输入包含有关先前馈入模型的输入数据的’shape’和’dtype’的信息。
-
通过指定输入和输出创建一个模型。