更新時(shí)間:2022年02月12日11時(shí)53分 來(lái)源:傳智教育 瀏覽次數(shù):
tf.keras是TensorFlow 2.0的高階API接口,為TensorFlow的代碼提供了新的風(fēng)格和設(shè)計(jì)模式,大大提升了TF代碼的簡(jiǎn)潔性和復(fù)用性,官方也推薦使用tf.keras來(lái)進(jìn)行模型設(shè)計(jì)和開發(fā)。
tf.keras中常用模塊如下表所示:
模塊 | 概述 |
activations | 激活函數(shù) |
applications | 預(yù)訓(xùn)練網(wǎng)絡(luò)模塊 |
Callbacks | 在模型訓(xùn)練期間被調(diào)用 |
datasets | tf.keras數(shù)據(jù)集模塊,包括boston_housing,cifar10,fashion_mnist,imdb ,mnist |
layers | Keras層API |
losses | 各種損失函數(shù) |
metircs | 各種評(píng)價(jià)指標(biāo) |
models | 模型創(chuàng)建模塊,以及與模型相關(guān)的API |
optimizers | 優(yōu)化方法 |
preprocessing | Keras數(shù)據(jù)的預(yù)處理模塊 |
regularizers | 正則化,L1,L2等 |
utils | 輔助功能實(shí)現(xiàn) |
深度學(xué)習(xí)實(shí)現(xiàn)的主要流程:1.數(shù)據(jù)獲取,2,數(shù)據(jù)處理,3.模型創(chuàng)建與訓(xùn)練,4 模型測(cè)試與評(píng)估,5.模型預(yù)測(cè)。
使用 tf.keras,首先需要在代碼開始時(shí)導(dǎo)入tf.keras。
import tensorflow as tf from tensorflow import keras
對(duì)于小的數(shù)據(jù)集,可以直接使用numpy格式的數(shù)據(jù)進(jìn)行訓(xùn)練、評(píng)估模型,對(duì)于大型數(shù)據(jù)集或者要進(jìn)行跨設(shè)備訓(xùn)練時(shí)使用tf.data.datasets來(lái)進(jìn)行數(shù)據(jù)輸入。
# 配置優(yōu)化方法,損失函數(shù)和評(píng)價(jià)指標(biāo) model.compile(optimizer=tf.train.AdamOptimizer(0.001), loss='categorical_crossentropy', metrics=['accuracy'])
模型訓(xùn)練:
# 指明訓(xùn)練數(shù)據(jù)集,訓(xùn)練epoch,批次大小和驗(yàn)證集數(shù)據(jù)model.fit/fit_generator(dataset, epochs=10, batch_size=3, validation_data=val_dataset, )
模型評(píng)估:
# 指明評(píng)估數(shù)據(jù)集和批次大小 model.evaluate(x, y, batch_size=32)
模型預(yù)測(cè):
# 對(duì)新的樣本進(jìn)行預(yù)測(cè) model.predict(x, batch_size=32)
回調(diào)函數(shù)用在模型訓(xùn)練過(guò)程中,來(lái)控制模型訓(xùn)練行為,可以自定義回調(diào)函數(shù),也可使用tf.keras.callbacks 內(nèi)置的 callback :
ModelCheckpoint:定期保存 checkpoints。 LearningRateScheduler:動(dòng)態(tài)改變學(xué)習(xí)速率。 EarlyStopping:當(dāng)驗(yàn)證集上的性能不再提高時(shí),終止訓(xùn)練。 TensorBoard:使用 TensorBoard 監(jiān)測(cè)模型的狀態(tài)。
只保存參數(shù):
# 只保存模型的權(quán)重 model.save_weights('./my_model') # 加載模型的權(quán)重 model.load_weights('my_model')保存整個(gè)模型:
# 保存模型架構(gòu)與權(quán)重在h5文件中 model.save('my_model.h5') # 加載模型:包括架構(gòu)和對(duì)應(yīng)的權(quán)重 model = keras.models.load_model('my_model.h5')
什么是深度學(xué)習(xí)?深度學(xué)習(xí)各層負(fù)責(zé)什么內(nèi)容?
北京校區(qū)