在 Python 中使用 Tensorflow 时，何时应该使用顺序模型？请举例说明。

当存在一个简单的层堆栈时，顺序模型是相关的。在这个堆栈中，每一层都只有一个输入张量和一个输出张量。当模型有多个输入或多个输出时，它不适用。当需要共享层时，它不适用。当层有多个输入或多个输出时，它不适用。当需要非线性架构时，它不适用。

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。这是因为它使用 NumPy 和多维数组。这些多维数组也称为“张量”。

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 是一个深度学习 API，用 Python 编写。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。它旨在帮助快速进行实验。它具有高度的可扩展性，并具有跨平台功能。这意味着 Keras 可以运行在 TPU 或 GPU 集群上。Keras 模型也可以导出到 Web 浏览器或手机上运行。

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

我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置即可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。

让我们看一个使用 Tensorflow（包括 Keras）定义顺序模型的示例：

示例

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
print("A sequential model is being defined, that has three layers")
model = keras.Sequential(
   [
      layers.Dense(2, activation="relu", name="layer_1"),
      layers.Dense(3, activation="relu", name="layer_2"),
      layers.Dense(4, name="layer_3"),
   ]
)
print("The model is being called on test data")
x = tf.ones((2, 2))
y = model(x)

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

输出

A sequenital model is being defined, that has three layers
The model is being called on test data
The layers are
[<tensorflow.python.keras.layers.core.Dense object at 0x7fe921aaf7b8>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6d898>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6dc18>]

解释

  • 导入并为所需的包设置别名。

  • 使用 Keras 中的“sequential”方法创建一个顺序模型。

  • 在测试数据上调用此模型。

  • 模型各层的详细信息显示在控制台上。

更新于: 2021年1月21日

225 次查看

启动你的 职业生涯

通过完成课程获得认证

开始
广告