如何使用Python创建Tensorflow的序列模型？

可以使用“Sequential”API创建顺序模型，该API使用“ layers.experimental.preprocessing.Rescaling ”方法。创建模型时指定其他层。

更多Python相关文章，请阅读：Python 教程

我们将使用Keras顺序API，该API在构建顺序模型方面非常有用，用于处理一组层的普通堆栈，其中每个层具有一个输入张量和一个输出张量。

我们使用Google Colaboratory运行以下代码。 Google Colab或Colaboratory帮助在浏览器上运行Python代码，无需配置即可免费访问GPU（图形处理单元）。 Colaboratory是建立在Jupyter Notebook之上的。

print("正在创建顺序模型")
num_classes = 5
model = Sequential([
   layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
   layers.Conv2D(16, 3, padding='same', activation='relu'),
   layers.MaxPooling2D(),
   layers.Conv2D(32, 3, padding='same', activation='relu'),
   layers.MaxPooling2D(),
   layers.Conv2D(64, 3, padding='same', activation='relu'),
   layers.MaxPooling2D(),
   layers.Flatten(),
   layers.Dense(128, activation='relu'),
   layers.Dense(num_classes)
])

代码来源：https://www.tensorflow.org/tutorials/images/classification

输出结果

正在创建顺序模型

解释

• 该模型包含三个卷积块和每个卷积块中的最大池层。
• 它还在顶部具有具有128个单位的完全连接层。
• 这由一个relu激活函数激活。
• 此模型未调整以获得高精度。
• 创建了一个具有三个层的顺序模型。