keras-搭建神经网络结构

今天药忘吃喽~ 2023-05-21 15:26 1阅读 0赞

搭建的流程：

1.  import
2.  train,test 数据
3.  model=tf.keras.model.Sequential
4.  model.compile
5.  model.fit
6.  model.summary

**导包，这里会使用keras，keras是tensorflow简化版本的前端！！**

import tensorflow as tf
    from sklearn import datasets
    import numpy as np

加载鸢尾花数据集

x_train = datasets.load_iris().data
    y_train = datasets.load_iris().target
    print(x_train[1],y_train[1])

out:[4.9 3.  1.4 0.2] 0

乱序，但是随机的种子要一样

np.random.seed(116)
    np.random.shuffle(x_train)
    np.random.seed(116)
    np.random.shuffle(y_train)
    tf.random.set_seed(116)

model = tf.keras.models.Sequential([
        tf.keras.layers.Dense(3, activation='softmax', kernel_regularizer=tf.keras.regularizers.l2())
    ])

这里构建一个**全连接层**

1.  3代表这层神经网络的结构
2.  activation=‘softmax’ 选择激活函数，还可以是relu(经常是这个),softmax,sigmoid
3.  kernel\_regularizer=tf.keras.regularizers.l2() 代表的是l2正则化

model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.1),
                  loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
                  metrics=['sparse_categorical_accuracy'])

1.  optimizer=tf.keras.optimizers.SGD(lr=0.1) 随机梯度下降
2.  loss=tf.keras.losses.SparseCategoricalCrossentropy(from\_logits=False) 损失函数，False是经过概率发布输出
3.  metrics=\[‘sparse\_categorical\_accuracy’\] 评测指标，y\_是数值，y是独热码（概率发布） 【0.19, 0.01, 0.8】

model.fit(x_train, y_train, batch_size=30, epochs=700, validation_split=0.2, validation_freq=20)

1.  batch=每次喂入神机网络的数据数量
2.  700迭代数据集次数
3.  切分数据
4.  多少次epoch测试一次

model.summary()# 打印神经网络信息