← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9416.m · 生成模型:Tencent Hunyuan Hy

Keras与两种建模API

理解等级:中级

Keras 是建立在 TensorFlow 之上的高层封装,目标是让模型构建与训练更简单、原型迭代更快;借助 Conda 隔离环境安装后可直接使用。它提供两种常用的建模布局:顺序 API 把网络层一层层堆叠,用 Sequential 创建对象后依次 add 全连接层,第一层需声明输入维度,其余层自动推导;函数式 API 更像普通 Python 代码,先用 Input 定义占位,再把 Dense 层层层调用并串接,最后用 Model 指定输入与输出建立模型。两者都能在输出层用 softmax 配合多分类。模型搭好后,Keras 用 compile 指定损失函数与优化器来构建计算图,再用 fit 喂入数据训练,其底层仍依赖 [[计算图与会话机制]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 深度学习入门 TensorFlow 与 Keras · 查看原书依据

      Keras 更像是包装器,可以简化构建和训练模型。 它使用 TensorFlow 作为其后端。 由于 TensorFlow 的结构复杂,在 TensorFlow 中构建复杂的深度学习架构可能会变得非常棘手。 Keras 提供了非常人性化的编码体验以及模型的快速原型制作。

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第01章《深度学习入门》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/04.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文指出 Keras 以 TensorFlow 为后端、简化建模,并分别给出顺序 API 与函数式 API 的代码,支撑本卡对两种布局的对比。 - 原始内容:Keras 更像是包装器,可以简化构建和训练模型。 它使用 TensorFlow 作为其后端。 由于 TensorFlow 的结构复杂,在 TensorFlow 中构建复杂的深度学习架构可能会变得非常棘手。 Keras 提供了非常人性化的编码体验以及模型的快速原型制作。