TensorFlow模块简介

TensorFLow框架内构建了很多高层次的API,可以显著减少编写程序的代码量,其中包含众多网络结构相关函数和数据载入、数据处理的方法。

tf.data.Dataset

tf.data.Dataset是TensorFlow内置的数据输入模块,提供了专门用于数据输入的多种方法,可以高效地实现数据载入、数据增强和数据随机乱序等功能。例如,最简单的数据载入方法就是从列表中载入张量数据。

在虚拟环境的命令行中输入python,打开交互命令行,使用import tensorflow as tf 导入tensorFlow包,然后执行 tf.enable_eager_execution()方法开启TensorFlow的动态图模式,使用方法将列表[1,2,3]按第一个维度转换为张量Tensor,代码和运行结果如下图所示:

python 复制代码
import tensorflow as tf
tf.enable_eager_execution()
dataset=tf.data.Dataset.from_tensor_slices([1,2,3])
for element in dataset:
	print(element)

tf.layers

tf.layers是TensorFlow内置的构建神经网络的模块,在TensorFlow2.x中被移除,其中封装了很多底层的函数和基本的神经网络结构,在熟悉TensorFlow底层后可以直接使用tf.layers提供的高级API实现各种复杂的建模任务,能够省去大量的代码。

Keras

Keras库是最常用的TensorFlow高级核心API,隐藏了数据流和底层结构的很多细节,其库中具有大量可直接使用的神经网络结构和常用模块。Keras的代码完全由Python编写,在使用TensorFlow作为其后端时,较好地兼容了TensorFLow底层的各种库函数和核心模块。对于常见的神经网络层,Keras均实现了完美的封装,简单易用,特别适合初学者构建深度学习模型。

1、导入库

python 复制代码
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense,Dropout,Flatten,Conv2D,MaxPooling2D

2、序列构建神经网络模型

python 复制代码
#构建模型
model=Sequential()
#序列加入卷积层
model.add(Conv2D(...))
#序列加入池化层
model.add(MaxPooling2D(...))
#序列加入全连接层
model.add(Dense(...))
#序列加入随机失活
model.add(Dropout(...))
相关推荐
Fuweizn1 分钟前
富唯智能可重构柔性装配产线:以智能协同赋能制造业升级
人工智能·智能机器人·复合机器人
weixin_307779131 小时前
Azure上基于OpenAI GPT-4模型验证行政区域数据的设计方案
数据仓库·python·云计算·aws
玩电脑的辣条哥2 小时前
Python如何播放本地音乐并在web页面播放
开发语言·前端·python
taoqick2 小时前
对PosWiseFFN的改进: MoE、PKM、UltraMem
人工智能·pytorch·深度学习
suibian52352 小时前
AI时代:前端开发的职业发展路径拓宽
前端·人工智能
预测模型的开发与应用研究3 小时前
数据分析的AI+流程(个人经验)
人工智能·数据挖掘·数据分析
源大模型3 小时前
OS-Genesis:基于逆向任务合成的 GUI 代理轨迹自动化生成
人工智能·gpt·智能体
多想和从前一样4 小时前
Django 创建表时 “__str__ ”方法的使用
后端·python·django
PowerBI学谦5 小时前
Python in Excel高级分析:一键RFM分析
大数据·人工智能·pandas
运维开发王义杰5 小时前
AI: Unsloth + Llama 3 微调实践,基于Colab
人工智能·llama