04-17:tensorflow快速入门文档

1、认识变量

tf.Variable(name,initial_value,trainable)

a.assign()

a.assign_add()

2、构建数据

dataset

tf.data.Dataset.from_tensor_slices(train,label) 无shape，有点类似迭代器Iterator

常用函数shuffle(1000).batch(32).repeat(10)

3、建立模型

（1）API

包括sequential api 和 functional api

tf.keras.models.Sequential([..])

functional api是为了建立更复杂的模型，比如多输入多输出

model=tf.keras.Model(inputs=inputs,outputs=outputs)

下面有三个重要的过程：

第一是训练的配置过程

compile方法，定义优化器 tf.keras.optimizers、损失函数tf.keras.losses、评估指标tf.keras.metris

例如：

model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),

loss=tf.keras.losses.sparse_categorical_crossentropy,

metrics=[tf.keras.metrics.sparse_categorical_accuracy])

fit方法，训练数据、目标（label）数据、训练轮数、Batch_size、验证数据

例如：

model.fit(data_loader.train_data,data_loader.train_label,epochs=num_epochs,batch_size=batch_size)

evaluate 方法，评估测试数据（数据/label），用tf.keras.Model.evaluate

print(model.evaluate(data_loader.test_data,data_loader.test_label))

详见网址：https://tf.wiki/zh_hans/basic/models.html#zh-hans-custom-layer

（2）自定义