数据结构
网络
关系型数据库管理系统
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Tensorflow为MNIST数据集定义模型？
Tensorflow是由Google提供的机器学习框架。它是一个开源框架，与Python结合使用，用于实现算法、深度学习应用程序等等。它拥有优化技术，可以帮助快速执行复杂的数学运算。这是因为它使用了NumPy和多维数组。这些多维数组也称为“张量”。该框架支持使用深度神经网络。
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。这个流图被称为“数据流图”。张量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，可以帮助解决机器学习问题。它运行在Tensorflow框架之上。它的构建是为了帮助快速进行实验。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
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory有助于在浏览器上运行Python代码，无需任何配置，并且可以免费访问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("Defining a sequential model")
def create_model():
model = tf.keras.models.Sequential([
keras.layers.Dense(512, activation='relu', input_shape=(784,)),
keras.layers.Dropout(0.2),
keras.layers.Dense(10)
])
model.compile(optimizer='adam',
loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=[tf.metrics.SparseCategoricalAccuracy()])
return model
print("Creating a model instance")
model = create_model()
print("Displaying the architecture of the sequential model")
model.summary()代码来源 - https://tensorflowcn.cn/tutorials/keras/save_and_load
输出
解释
使用Keras创建一个顺序模型。
创建“密集”层。
编译此模型。
创建此模型的实例。
使用“summary”方法在屏幕上显示有关此模型的详细信息。
更新于： 2021年1月20日
122次查看
广告