美文网首页
TensorFlow 编程的基本流程

TensorFlow 编程的基本流程

作者: YANWeichuan | 来源:发表于2018-08-01 11:00 被阅读0次

    1. 数据集

    1. 训练集
    2. 验证集
    3. 测试集
    数据的格式:cvs,idbm,hdf5
    

    2. 创建模型

    1. 创建网络层
    2. 定义激活函数
    
     model = tf.keras.Sequential([
           tf.keras.layers.Dense(10, activation="relu", input_shape=(4,)),  
           tf.keras.layers.Dense(10, activation="relu"),
           tf.keras.layers.Dense(3)
    ])
    

    3. 训练

    1. 定义损失函数
    2. 计算梯度
    3. 优化器
    4. 训练循环
    
    def loss(model, x, y):
      y_ = model(x)
      return tf.losses.sparse_softmax_cross_entropy(labels=y, logits=y_)
    
    def grad(model, inputs, targets):
      with tf.GradientTape() as tape:
        loss_value = loss(model, inputs, targets)
      return tape.gradient(loss_value, model.variables)
    
    optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
    

    4. 评估模型

    5. 预测

    附:TensorFlow API 层的编程堆栈

    相关文章

      网友评论

          本文标题:TensorFlow 编程的基本流程

          本文链接:https://www.haomeiwen.com/subject/pnylvftx.html