1、确定图像输入大小和通道数
model_1 = tf.keras.models.Sequential([
# 注意，输入的形状是图像所需的大小150x150、3通道
# 这是第一个卷积、池化
tf.keras.layers.Conv2D(64, (3,3), activation='relu', input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
# 第二个卷积、池化
tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
tf.keras.layers.MaxPooling2D(2,2),
# 把结果压平，输入DNN
tf.keras.layers.Flatten(),
tf.keras.layers.Dropout(0.5),
# 512神经元隐层
tf.keras.layers.Dense(1024, activation='relu'),
tf.keras.layers.Dense(len_labels, activation='softmax')])
# 打印模型摘要
model_1.summary()
标签：layers,keras,卷积,activation,relu,tf,操作 From： https://www.cnblogs.com/xiaoliang-333/p/16882803.html