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
sensen_kiss5 分钟前
INT305 Machine Learning 机器学习 Pt.4
人工智能·机器学习
WWZZ20258 分钟前
快速上手大模型:机器学习1
人工智能·深度学习·机器学习·计算机视觉·机器人·slam
TwoAnts&DingJoy12 分钟前
数据分析-泊松分布
python·机器学习·数据挖掘·数据分析·统计学·泊松分布
Lxinccode24 分钟前
python(48) : 命名截图[Windows工具(3)]
开发语言·python·截图·快速截图
沫儿笙27 分钟前
川崎焊接机器人弧焊气体节约
人工智能·机器人
新知图书28 分钟前
多模态大模型的应用场景
人工智能·大模型应用开发·大模型应用
Giser探索家33 分钟前
遥感卫星升轨 / 降轨技术解析:对图像光照、对比度的影响及工程化应用
大数据·人工智能·算法·安全·计算机视觉·分类
Mr数据杨43 分钟前
【ComfyUI】Animate单人物角色视频替换
人工智能·计算机视觉·音视频
lisw051 小时前
AI眼镜:作为人机交互新范式的感知延伸与智能融合终端
人工智能·人机交互·软件工程
bestcxx1 小时前
0.2、AI Agent 开发中 ReAct 和 MAS 的概念
人工智能·python·dify·ai agent