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
whaosoft-14340 分钟前
51c自动驾驶~合集7
人工智能
都叫我大帅哥1 小时前
Python的Optional:让你的代码优雅处理“空值”危机
python
曾几何时`3 小时前
基于python和neo4j构建知识图谱医药问答系统
python·知识图谱·neo4j
刘晓倩4 小时前
Coze智能体开发实战-多Agent综合实战
人工智能·coze
石迹耿千秋5 小时前
迁移学习--基于torchvision中VGG16模型的实战
人工智能·pytorch·机器学习·迁移学习
写写闲篇儿5 小时前
Python+MongoDB高效开发组合
linux·python·mongodb
杭州杭州杭州6 小时前
Python笔记
开发语言·笔记·python
路人蛃8 小时前
通过国内扣子(Coze)搭建智能体并接入discord机器人
人工智能·python·ubuntu·ai·aigc·个人开发
CV-杨帆8 小时前
论文阅读:arxiv 2025 A Survey of Large Language Model Agents for Question Answering
论文阅读·人工智能·语言模型
qiqiqi(^_×)8 小时前
卡在“pycharm正在创建帮助程序目录”
ide·python·pycharm