tensorflow的Sequential不能够改名字，源代码处仅为可读，可以修改为读写，layer = model.layers,layer.name。 Sequential可以添加模型，层，比较灵活。但是，同一个模型因为具有相同的名字，重复添加只保留第一次添加，尝试copy.deepcopy(模型)，只能得到相同名字的model，因此不能使用。可以直接添加drop层，另外，第二份代码使用了tensorboard。训练用到的方法是通过compile实现的。训练数据是fit，当然损失函数依据不同的问题类型选择。

import tensorflow as tf  #导入tensorflow库
mnist=tf.keras.datasets.mnist
(x_train,y_train),(x_test,y_test)=mnist.load_data()  #加载数据

y_train

array([5, 0, 4, ..., 5, 6, 8], dtype=uint8)

import matplotlib.pyplot as plt
plt.imshow(x_train[0])

<matplotlib.image.AxesImage at 0x1b4dab17f88>

x_train=tf.keras.utils.normalize(x_train,axis=1)
x_test=tf.keras.utils.normalize(x_test,axis=1)

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128,activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(130,activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10,activation=tf.nn.softmax))
model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])

model.fit(x_train,y_train,epochs=5) #训练模型

Epoch 1/5
1875/1875 [==============================] - 11s 5ms/step - loss: 0.2621 - accuracy: 0.9227
Epoch 2/5
1875/1875 [==============================] - 9s 5ms/step - loss: 0.1040 - accuracy: 0.9686
Epoch 3/5
1875/1875 [==============================] - 9s 5ms/step - loss: 0.0718 - accuracy: 0.9775
Epoch 4/5
1875/1875 [==============================] - 11s 6ms/step - loss: 0.0516 - accuracy: 0.9839
Epoch 5/5
1875/1875 [==============================] - 9s 5ms/step - loss: 0.0407 - accuracy: 0.9865<tensorflow.python.keras.callbacks.History at 0x1b4d877b888>

val_loss,val_acc=model.evaluate(x_test,y_test) #测试，获取准确率

313/313 [==============================] - 2s 4ms/step - loss: 0.0903 - accuracy: 0.9750

predictions = model.predict([x_test[5:8]])#识别测试集中第6到8张图片
print(predictions)

WARNING:tensorflow:Layers in a Sequential model should only have a single input tensor, but we receive a <class 'tuple'> input: (<tf.Tensor 'IteratorGetNext:0' shape=(None, 28, 28) dtype=float32>,)
Consider rewriting this model with the Functional API.
[[3.14021698e-10 9.99962211e-01 2.31917916e-08 5.51868453e-081.11546058e-06 1.32857991e-09 2.55177746e-09 3.54971853e-056.47773959e-07 4.19447389e-07][7.13356707e-09 1.39042722e-05 3.48455131e-08 3.54035663e-089.99842525e-01 7.90912527e-05 3.22929310e-07 6.94255186e-061.20427085e-05 4.49937252e-05][5.06938420e-08 3.42604551e-07 2.70455502e-07 1.93817541e-046.74861003e-05 1.81618889e-05 1.80747389e-10 1.53591927e-077.90399952e-07 9.99718845e-01]]

plt.imshow(x_test[6])

---------------------------------------------------------------------------------------

import tensorflow as tf  #导入tensorflow库
import os
import copy
mnist=tf.keras.datasets.mnist
(x_train,y_train),(x_test,y_test)=mnist.load_data()  #加载数据y_train
import matplotlib.pyplot as plt
plt.imshow(x_train[0])x_train=tf.keras.utils.normalize(x_train,axis=1)
x_test=tf.keras.utils.normalize(x_test,axis=1)model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128,activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(130,activation=tf.nn.relu))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(10,activation=tf.nn.softmax))
#model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])model2 = tf.keras.models.Sequential()
model2.add(model)
model2.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])log_dir = os.path.join("logs")
# print(log_dir)
if not os.path.exists(log_dir):os.mkdir(log_dir)
# 定义TensorBoard对象.histogram_freq 如果设置为0，则不会计算直方图。
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)
model2.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test), callbacks=[tensorboard_callback])  model2.summary()
layer = model2.layers
layer[0].weights
model.summary()

#!/usr/bin/env python
# coding: utf-8
# In[1]:
import tensorflow as tf  #导入tensorflow库
import os
import copy
mnist=tf.keras.datasets.mnist
(x_train,y_train),(x_test,y_test)=mnist.load_data()  #加载数据
# In[2]:
y_train
# In[3]:
import matplotlib.pyplot as plt
plt.imshow(x_train[0])
# In[4]:
x_train=tf.keras.utils.normalize(x_train,axis=1)
x_test=tf.keras.utils.normalize(x_test,axis=1)
# In[5]:
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128,activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(130,activation=tf.nn.relu))
model.add(tf.keras.layers.Dropout(0.2))
model.add(tf.keras.layers.Dense(10,activation=tf.nn.softmax))
#model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
# In[6]:
model2 = tf.keras.models.Sequential()
model2.add(model)
model2.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
# In[7]:
log_dir = os.path.join("logs")
# print(log_dir)
if not os.path.exists(log_dir):os.mkdir(log_dir)
# 定义TensorBoard对象.histogram_freq 如果设置为0，则不会计算直方图。
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)
model2.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test), callbacks=[tensorboard_callback])
# In[8]:
layer = model2.layers
layer[0].weights
#In[9]:
model2.summary()
# In[10]:
model.summary()
# In[11]:
val_loss,val_acc=model2.evaluate(x_test,y_test) #测试，获取准确率
# In[12]:
predictions = model.predict([x_test[5:8]])#识别测试集中第6到8张图片
print(predictions)
# In[13]:
plt.imshow(x_test[6])

tensorflow的容器Sequential 笔记心得相关推荐

《C++Primer》第九章-顺序容器-学习笔记(1)-顺序容器定义与操作
<C++Primer>第九章-顺序容器-学习笔记(1) 文章目录 <C++Primer>第九章-顺序容器-学习笔记(1) 摘要顺序容器的定义容器元素的初始化将一个容器初始 ...
Mini 容器学习笔记4——组件的生命周期(应用篇)
Mini容器支持6中生命周期类型: 1. Singleton :单利类型(缺省组件都是单利类型的生命周期,由容器进行托管的) [Test]public void SingletonLifestyleT ...
Mini 容器学习笔记6——组件的获取(应用)
1. 通过组件Id获取组件实例: [Test]public void GetByIdTest(){ServiceRegistry.Register<Person>("person ...
JavaScrip笔记心得（持续更新）
JavaScrip笔记心得一.JavaScript简介 1.JavaScript 2.JavaScript使用方法 3.JavaScript 的核心构成 4.Javascript的代码注释 5. J ...
一个划时代的知识女性——《杨绛传》读书笔记心得感想4300字
2019独角兽企业重金招聘Python工程师标准>>> 一个划时代的知识女性--<杨绛传>读书笔记心得感想4300字: 读书可以让我无比的快乐,但是这本书读完心中却满是苦 ...
《好好学习》读书笔记心得感悟1400字
<好好学习>读书笔记心得感悟1400字: 再有三个月,孩子就要上小学了. 这两天,孩子的爷爷奶奶反复和我强调,一定要养成良好的作息习惯."第一,早睡早起.晚上无论我有多忙,也一定 ...
Docker容器学习笔记一
Docker容器学习笔记一狂神说B站视频:https://www.bilibili.com/video/BV1og4y1q7M4?p=1 Docker容器学习笔记二:https://blog.csd ...
第1讲韩顺平 PHP视频教程 zend framework zend介绍 zend快速入门韩顺平php视频教程ppt 笔记心得
韩顺平 PHP视频教程 zend framework PPT笔记心得本教程贯穿了两个软件公司常用的两个项目,数据采集系统和购物车,共分20讲从本质上深入浅出的分析了zend framework运 ...
【创建tensorflow severing容器出错】failed: Out of range: Read less bytes than requested【已解决】
〇.前言最近在做tensorflow severing模型部署,拿了个yolov5训练出来的pt模型做实验.前几天一切正常,就在今天创建tensorflow severing容器的时候遇到了错误,环 ...

tensorflow的容器Sequential 笔记心得

---------------------------------------------------------------------------------------

tensorflow的容器Sequential 笔记心得相关推荐

最新文章

热门文章