TensorFlow Keras 是 TensorFlow 的高级 API，提供了易于使用且可扩展的神经网络库。以下是一些 Keras API 的基本指南。

模型构建

Keras 提供了多种模型构建方式，包括：

  • Sequential 模型：一种线性堆叠的模型，适合快速原型设计。
  • Functional API：允许您创建更复杂的模型，包括多输入、多输出和共享层。
  • Model subclassing：通过继承 tf.keras.Model 类来创建自定义模型。

更多关于模型构建的详细内容，请参阅模型构建指南。

层

Keras 提供了丰富的层，包括：

  • 激活层：如 ReLU、Sigmoid、Tanh 等。
  • 卷积层：如 Conv1D、Conv2D、Conv3D 等。
  • 循环层：如 LSTM、GRU、SimpleRNN 等。

更多关于层的详细内容，请参阅层指南。

损失和优化器

在训练模型时，选择合适的损失函数和优化器非常重要：

  • 损失函数：如 MSE、CategoricalCrossentropy 等。
  • 优化器：如 SGD、Adam、RMSprop 等。

更多关于损失和优化器的详细内容，请参阅损失和优化器指南。

数据预处理

数据预处理是模型训练的重要步骤：

  • 数据加载：使用 tf.keras.preprocessing 模块加载和预处理数据。
  • 数据增强：使用 tf.keras.preprocessing.image.ImageDataGenerator 进行数据增强。

更多关于数据预处理的详细内容，请参阅数据预处理指南。

示例

以下是一个简单的 Sequential 模型示例：

model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)

更多示例代码，请参阅Keras 示例。

TensorFlow Logo