keras模型第四课关于Model的方法 About Keras models

2022-11-06 13:49:39 阅读：300 来源： 互联网

标签：python 数据语言 NumPy ipython shell 科学家

About Keras models

keras中有两个主要的模型类型 the Sequential model 和 the Model class used with the functional API

模型中有一系列的方法和属性

from keras.layers import Dense, Input
from keras.models import Model, Sequential
import keras
import numpy as np

# 举例模型
data_input = Input(shape=(100, ))
x = Dense(64, activation=relu)(data_input)
x = Dense(64, activation=relu)(x)
y = Dense(1, activation=sigmoid)(x)

model = Model(data_input, y)

model.compile(optimizer=keras.optimizers.Adam(),
              loss=keras.losses.binary_crossentropy,
              metrics=[accuracy])

# 创建numpy数据
x_train = np.random.random((100, 100))
y_train = np.random.randint(2, size=(100, 1))

# 训练模型
model.fit(x_train, y_train, epochs=10, batch_size=16)

· model.layers 是一个包含组成该模型的层的扁平列表

print(model.layers)
#[<keras.engine.input_layer.InputLayer object at 0x126997c88>, <keras.layers.core.Dense object at 0x126997cf8>, 
#<keras.layers.core.Dense object at 0x126997b38>, <keras.layers.core.Dense object at 0x126997668>]

· model.inputs 是一个包含输入张量的列表

print(model.inputs)
#[<tf.Tensor input_1:0 shape=(?, 100) dtype=float32>]

· model.outputs 是一个包含输出张量的列表

print(model.outputs)
#[<tf.Tensor dense_3/Sigmoid:0 shape=(?, 1) dtype=float32>]

· model.summary() 可以打印出模型结构信息

model.summary()

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 100)               0         
_________________________________________________________________
dense_1 (Dense)              (None, 64)                6464      
_________________________________________________________________
dense_2 (Dense)              (None, 64)                4160      
_________________________________________________________________
dense_3 (Dense)              (None, 1)                 65        
=================================================================
Total params: 10,689
Trainable params: 10,689
Non-trainable params: 0
_________________________________________________________________

· model.get_config() 返回一个包含模型配置的字典。模型可以通过以下方式从配置中恢复:

config = model.get_config()
reconfig_model = Model.from_config(config)
# 或者，对于Sequential模型
reconfig_model = Sequential.from_config(config)
reconfig_model.summary()

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 64)                6464      
_________________________________________________________________
dense_2 (Dense)              (None, 64)                4160      
_________________________________________________________________
dense_3 (Dense)              (None, 1)                 65        
=================================================================
Total params: 10,689
Trainable params: 10,689
Non-trainable params: 0

标签：python,数据,语言,NumPy,ipython,shell,科学家
来源：

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9