TensorFlow 学习笔记

Tensorflow 是谷歌开发的一款机器学习软件包。2019 年，谷歌将 Keras 集成到 Tensorflow 中，并发布了 Tensorflow 2.0。Keras 是 François Chollet 独立开发的一个框架，为 Tensorflow 创建了一个简单的、以层为中心的接口。

张量（Tensor）是数组的另一个名称。

TensorFlow.org

import tensorflow as tf
from tensorflow.keras.layers import Dense, Input
from tensorflow.keras import Sequential
from tensorflow.keras.losses import MeanSquaredError, BinaryCrossentropy
from tensorflow.keras.activations import sigmoid

创建一个只有一个神经元的 layer，且无激活函数（linear, \(a^{[l]} = \vec w \cdot a^{[l-1]} + b\)）

linear_layer = tf.keras.layers.Dense(units=1, activation = 'linear')

获取权重：

w, b = linear_layer.get_weights()

设置权重：

linear_layer.set_weights([set_w, set_b])

使用 layer 进行计算：

activation = linear_layer(X_train[0].reshape(1,1))

Tensorflow 最常用于创建多层模型。Sequential model 是构建这些模型的便捷方法：

model = Sequential(
    [
        tf.keras.layers.Dense(1, input_dim=1,  activation = 'sigmoid', name='L1')
    ]
)

查看模型的层数和参数个数：

model.summary()

获取模型中的一层：

logistic_layer = model.get_layer('L1')