数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化学
生物
数学
英语
经济学
心理学
社会学
时尚研究
法律研究讨论如何使用 Python 中的 Keras 函数式 API 创建层
Tensorflow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用以实现算法、深度学习应用程序等等。它用于研究和生产目的。它具有优化技术，有助于快速执行复杂的数学运算。
可以使用以下代码行在 Windows 上安装“tensorflow”包：
pip install tensorflow
Keras 在希腊语中意为“角”。Keras 是作为 ONEIROS（开放式神经电子智能机器人操作系统）项目研究的一部分开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的界面，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需的必要抽象和构建块。
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 有助于构建图层图。
我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 是构建在 Jupyter Notebook 之上的。以下是代码片段，其中我们将看到如何使用 Keras 函数式 API 使用 Python 创建层：
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("Demonstration")
img_inputs = keras.Input(shape=(32, 32, 3))
print("Dimensions of input")
print(inputs.shape)
print("The type of input")
print(inputs.dtype)
print("Layers in the model")
dense = layers.Dense(64, activation="relu")
x = dense(inputs)
x = layers.Dense(64, activation="relu")(x)
outputs = layers.Dense(10)(x)
print("Model is being built")
model = keras.Model(inputs=inputs, outputs=outputs, name="mnist_model")
print("More information about the model")
model.summary()代码来源 - https://tensorflowcn.cn/guide/keras/functional
输出
解释
创建一个输入节点，并将数据形状设置为 784 维向量。
返回的输入包含有关先前馈送到模型的输入数据的“形状”和“数据类型”的信息。
通过指定输入和输出创建模型。
117 次查看
