演示 Python 中“tf.keras.layers.Dense”的基本实现

Tensorflow 是谷歌提供的机器学习框架。它是一个开源框架，与 Python 结合使用，可以实现算法、深度学习应用程序等等。它用于研究和生产目的。

可以使用以下代码行在 Windows 上安装“tensorflow”包：

pip install tensorflow

张量是 TensorFlow 中使用的数据结构。它有助于连接流图中的边。此流图称为“数据流图”。张量只不过是多维数组或列表。

Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的接口，有助于解决机器学习问题。它运行在 TensorFlow 框架之上。它是为了帮助快速进行实验而构建的。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。

Keras 已经存在于 TensorFlow 包中。可以使用以下代码行访问它。

import tensorflow
from tensorflow import keras

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

我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于通过浏览器运行 Python 代码，无需任何配置，并可免费访问 GPU（图形处理单元）。Colaboratory 是基于 Jupyter Notebook 构建的。以下是代码片段：

示例

class CustomDense(layers.Layer):
   def __init__(self, units=32):
      super(CustomDense, self).__init__()
      self.units = units
   def build(self, input_shape):
      self.w = self.add_weight(
         shape=(input_shape[-1], self.units),
         initializer="random_normal",
         trainable=True,
      )
      self.b = self.add_weight(
         shape=(self.units,), initializer="random_normal", trainable=True
      )
   def call(self, inputs):
      return tf.matmul(inputs, self.w) + self.b
inputs = keras.Input((4,))
outputs = CustomDense(10)(inputs)
print("Keras model is being generated")
model = keras.Model(inputs, outputs)

代码来源 - https://tensorflowcn.cn/guide/keras/functional

输出

Keras model is being generated

Learn Python in-depth with real-world projects through our Python certification course. Enroll and become a certified expert to boost your career.

解释

  • Keras 带有多个内置层，其中一些包括“Conv1D”、“Conv2D”、“Conv2DTranspose”等等。

  • “call”方法指定由层执行的计算。

  • “build”方法为层创建权重。

  • 模型已生成。

更新于：2021年1月18日

222 次浏览

开启您的职业生涯

完成课程获得认证

开始学习
广告