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
网友评论