数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用Python中的Keras将模型绘制成图表并显示输入和输出形状？
TensorFlow是由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。它具有优化技术，有助于快速执行复杂的数学运算。张量是TensorFlow中使用的数据结构。它有助于连接流程图中的边。此流程图称为“数据流图”。张量只不过是多维数组或列表。
Keras是作为ONEIROS（开放式神经电子智能机器人操作系统）项目研究的一部分而开发的。Keras是一个用Python编写的深度学习API。它是一个高级API，具有高效的接口，有助于解决机器学习问题。它运行在TensorFlow框架之上。它旨在帮助快速进行实验。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。
它具有高度的可扩展性并具有跨平台能力。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出并在Web浏览器或移动电话上运行。
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有向无环图（DAG），包含多个层。函数式API有助于构建图层图。
我们正在使用Google Colaboratory运行以下代码。Google Colab或Colaboratory有助于通过浏览器运行Python代码，无需任何配置即可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。以下是代码片段：
示例
print("Plotting the built model")
keras.utils.plot_model(model, "my_model.png")
print("Displaying dimensions of input and output data")
keras.utils.plot_model(model, "my_first_model.png", show_shapes=True)代码来源：https://tensorflowcn.cn/guide/keras/functional
输出
解释
层图是使用函数式API可以创建的深度学习模型的思维模型。
384次浏览
