如何免费创建瑞安营销网站并拥有自己的独立空间？

瑞安营销网站建设,免费建立自己的网站空间,图行天下免费素材网,免费打广告有什么软件写在前面 上一阶段我们完成了手写数字识别项目的构建#xff0c;了解了网络构建、训练、测试的基本流程#xff0c;但是对于一些常见的操作#xff0c;因其使用过于频繁#xff0c;实际上并无必要手动实现#xff0c;而早已被封装为函数了。 这篇文章我们将了解keras高层…写在前面 上一阶段我们完成了手写数字识别项目的构建了解了网络构建、训练、测试的基本流程但是对于一些常见的操作因其使用过于频繁实际上并无必要手动实现而早已被封装为函数了。 这篇文章我们将了解keras高层API将手写数字识别项目用高层API重写一遍。 写在中间 学习之前来探讨之前一直有的疑问运行时提示没有相应模块原因肯定是引入包的原因如果不懂keras和tf.keras的区别还是很有必要看看这篇文章 其实 keras 可以理解为一套搭建与训练神经网络的高层 API 协议Keras 本身已经实现了此协议安装标准的 Keras 库就可以方便地调用TensorFlow、CNTK 等后端完成加速计算在 TensorFlow 中也实现了一套 keras 协议即 tf.keras它与 TensorFlow 深度融合且只能基于 TensorFlow 后端运算并对TensorFlow 的支持更完美。对于使用 TensorFlow 的开发者来说tf.keras 可以理解为一个普通的子模块与其他子模块如 tf.mathtf.data 等并没有什么差别。 但是为了方便我们操作为避免混淆我们就选择tf.keras来完成代码中的相关操作。 注意tensorflow版本和keras版本一定要相兼容不兼容的话引入tensorflow.keras就会报错。 1. 引包 import tensorflow as tf from tensorflow.keras import datasets, layers, Sequential, optimizers, models, losses # pycharm中会出现红色波浪线但不影响运行2. 数据集的读取与处理 这一步就老生常谈了直接复制粘贴过来 def preprocess(x, y):x tf.cast(x, dtypetf.float32) / 255.x tf.reshape(x, [-1, 28*28])y tf.cast(y, dtypetf.int32)y tf.one_hot(y, depth10)return x, y(x, y), (x_test, y_test) datasets.mnist.load_data()# 数据集的处理由于返回的数据集是numpy类型的若要使用GPU加速需转换为张量 train_db tf.data.Dataset.from_tensor_slices((x, y)) train_db train_db.shuffle(60000).batch(128).map(preprocess).repeat(5) # 对测试集的简单处理 test_db tf.data.Dataset.from_tensor_slices((x_test, y_test)) test_db test_db.shuffle(10000).batch(128).map(preprocess) 3. 网络层的构建 封装创建 对于常见的网络原来需要手动调用每一层的类实例完成前向传播运算当网络层数变得较深时这一部分代码显得非常臃肿。可以通过 tf.keras 提供的网络容器 Sequential 将多个网络层封装成一个大网络模型只需要调用网络模型的实例一次即可完成数据从第一层到最末层的顺序传播运算。 在完成网络创建时网络层类并没有创建内部权值张量等成员变量此时通过调用类的 build 方法并指定输入大小即可自动创建所有层的内部张量。