TensorFlow 模型建立与训练

TensorFlow 模型建立与训练

本章介绍如何使用 TensorFlow 快速搭建动态模型。

• 模型的构建： tf.keras.Model 和 tf.keras.layers
• 模型的损失函数： tf.keras.losses
• 模型的优化器： tf.keras.optimizer
• 模型的评估： tf.keras.metrics

前置知识

• Python -{zh-hant: 物件導向；zh-hans: 面向對象；}- 编程 （在 Python 内定义类和方法、类的继承、构造和析构函数，使用 super () 函数调用父类方法 ，使用__call__() 方法对实例进行调用 等）；
• 多层感知机、卷积神经网络、循环神经网络和强化学习（每节之前给出参考资料）。
• Python 的函数装饰器 （非必须）

模型（Model）与层（Layer）

• 在 TensorFlow 中，推荐使用 Keras（ tf.keras ）构建模型。
  Keras 是一个广为流行的高级神经网络 API，简单、快速而不失灵活性，现已得到 TensorFlow 的官方内置和全面支持。
• Keras 有两个重要的概念： 模型(Model) 和 层(Layer) 。
  • 层将各种计算流程和变量进行了封装（例如基本的全连接层，CNN 的卷积层、池化层等），
  • 模型则将各种层进行组织和连接，并封装成一个整体，描述了如何将输入数据通过各种层以及运算而得到输出。
• 在需要模型调用的时候，使用 y_pred = model(X) 的形式即可。
• Keras 在 tf.keras.layers 下内置有深度学习用的大量常用的预定义层；
• Keras同时也允许我们自定义层。
• Keras 模型以类的形式呈现，我们可以通过继承 tf.keras.Model 这个 Python 类来定义自己的模型。在继承类中，我们需要重写 __init__() （构造函数，初始化）和 call(input) （模型调用）两个方法，同时也可以根据需要增加自定义的方法。

class MyModel(tf.keras.Model):
    def __init__(self):
        super().__init__()     # Python 2 下使用 super(MyModel, self).__init__()
        # 此处添加初始化代码（包含 call 方法中会用到的层），例如
        # layer1 = tf.keras.layers.BuiltInLayer(...)
        # layer2 = MyCustomLayer(...)

    def call(self, input):
        # 此处添加模型调用的代码（处理输入并返回输出），例如
        # x = layer1(input)
        # output = layer2(x)
        return output

    # 还可以添加自定义的方法