Keras 的Model类

介绍

实例化keras model时只需要传入两个参数即可，输入和输出，输出参数是由输入参数链式处理后得到的。

from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Dense

a = Input(shape=(32,))
b = Dense(32)(a)
model = Model(inputs=a, outputs=b)

方法

compile

compile(optimizer, loss=None, metrics=None)

• optimizer: 指定model训练数据时采用的优化器实例
• loss：目标函数，用来计算真实值与目标值之间的差距
• metrics：模型训练和测试时的评估标准，可以是单个值也可以是字典：metrics = ['accuracy']

fit

fit(x=None, y=None, batch_size=None, epochs=1)

• x：对应Input
• y：模型输出label
• batch_size：模型每次梯度更细时用到的样本数，默认是32
• epochs：完成模型训练需要迭代的次数，需要注意的是epochs指定的数并不是模型最终迭代的次数而是模型停止的次数

evaluate

evaluate(x=None, y=None, batch_size=None)

• x：对应测试数据集Input
• y：测试数据集中的模型输出label
• batch_size：模型每次评估时用到的样本数，默认是32

predict

predict(x, batch_size=None)

• x：对应待预测数据集Input
• batch_size：模型每个批次处理数据的条数

predict_on_batch

predict_on_batch(x)

• x：对应待预测数据集Input

get_layer

get_layer(self, name=None, index=None)

• name：根据网络层名称获取对应的层
• index：根据索引获取对应的层；如果同时指定了name，以index为准