python 的 Keras函数式模型

发布时间:2022-05-05 09:53:39 人气:39 作者:多测师

  比序贯模型要复杂,但是效果很好,可以同时/分阶段输入变量,分阶段输出想要的模型。

  所以说,只要你的模型不是类似VGG一样

  1,应用函数式模型的基本步骤

  1,model.layers() 添加层

  2,model.compile() 模型训练的BP模式设置

  3,model.fit()   模型训练参数设置+训练

  4,evaluate() 模型评估

  5,predict() 模型预测

  2,常用Model属性

  model.layers:组成模型图的各个层

  model.inputs:模型的输入张量列表

  model.outputs:模型的输出张量列表

  1model = Model(inputs=, outputs = )

python 的 Keras函数式模型

  3,指定输入数据的shape

  1inputs = Input(shape = (20, ))

  4,编译,训练,评估,预测等步骤与序贯式模型相同(这里不再赘述)

  1compile(self, optimizer, loss, metrics=None, loss_weights=None, sample_weight_mode=None)

  本函数按batch计算在某些输入数据上模型的误差,其参数有:

  x:输入数据,与fit一样,是numpy array或者numpy array的list

  y:标签,numpy array

  batch_size:整数,含义同fit的同名函数

  verbose:含义与fit的同名函数,但是只能取0或者1

  sample_weight:numpy array,含义同fit的同名函数

  本函数编译模型以供训练,参数有:

  1evaluate(self, x, y, batch_size=32, verbose=1, sample_weight=None)

  序贯模型和函数模型共同的API

  model.summary():打印出模型的概况,它实际调用的是keras.utils.print_summary

  model.get_config():返回包含模型配置信息的Python字典,模型也可以从config中重构回去。

  config = model.get_config()

  model = Model.from_config(config)

  model = Sequential.from_config(config)

  上面是分别对序贯模型和函数式模型载入config

  model.get_layer():依据层名或下标获得层对象

  model.get_weights():返回模型权重张量的列表,类型为numpy.array

  model.set_weights():从numpy array里载入给模型,要求数组与model.get_weights()一样

  model.to_json():返回代表模型的JSON字符串,仅仅包含网络结构,不包含权重,可以从JSON字符串中重构模型

  以上内容为大家介绍了python 的 Keras函数式模型,希望对大家有所帮助,如果想要了解更多Python相关知识,请关注多测师。https://www.e70w.com/xwzx/


上一篇:python的keras训练
下一篇:Python基础
返回列表
在线客服
联系方式

热线电话

17727591462

上班时间

周一到周五

二维码
线