TF2.0模型創建

概述

這是TF2.0入門筆記【TF2.0模型創建、TF2.0模型訓練、TF2.0模型保存】中第一篇【TF2.0模型創建】，本篇將介紹模型的創建。

• tensorflow2.0模型創建方法我劃分爲三種方式：
  • 1、通過tensorflow.keras.Sequential構造器創建模型
  • 2、使用函數式API創建模型
  • 3、通過繼承tensorflow.keras.Model類定義自己的模型
    接下來將用代碼分別演示去構建一個簡單的模型

1、通過tensorflow.keras.Sequential構造器創建模型

第一種：通過tensorflow.keras.Sequential構造器創建模型
該方法就是不斷堆疊你需要的層，如該模型帶參數的一共有三層，一個卷積層，兩個全連接層（卷積之後通過 Flatten 層將其展平，從而接全連接層 ）。
需要注意的是要在第一層指定輸入形狀 input_shape 。

import tensorflow as tf
from tensorflow.keras.layers import Dense, Flatten, Conv2D, Input
from tensorflow.keras import Model, Sequential

model1 = Sequential()

model1.add(Conv2D(32, 3, activation='relu', padding='same', input_shape=(28, 28, 1)))
model1.add(Flatten())
model1.add(Dense(128, activation='relu'))
model1.add(Dense(10, activation='softmax'))

model1.summary()

運行輸出：

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 28, 28, 32)        320       
_________________________________________________________________
flatten (Flatten)            (None, 25088)             0         
_________________________________________________________________
dense (Dense)                (None, 128)               3211392   
_________________________________________________________________
dense_1 (Dense)              (None, 10)                1290      
=================================================================
Total params: 3,213,002
Trainable params: 3,213,002
Non-trainable params: 0
_________________________________________________________________

2、使用函數式API創建模型

第二種：使用函數式API創建模型
這種方法比較靈活、自由，你可以輕易的創建多輸入、多輸出的模型。
用的 Input 層指定每個樣本的形狀，不管批次大小。最後通過 Model 類根據輸入和輸出來創建模型

input = Input((28,28,1))
x=Conv2D(32, 3, activation='relu', padding='same')(input)
x=Flatten()(x)
x=Dense(128, activation='relu')(x)
output=Dense(10, activation='softmax')(x)

model2=Model(input,output)
model2.summary()

運行輸出：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, 28, 28, 1)]       0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 28, 28, 32)        320       
_________________________________________________________________
flatten_1 (Flatten)          (None, 25088)             0         
_________________________________________________________________
dense_2 (Dense)              (None, 128)               3211392   
_________________________________________________________________
dense_3 (Dense)              (None, 10)                1290      
=================================================================
Total params: 3,213,002
Trainable params: 3,213,002
Non-trainable params: 0
_________________________________________________________________

3、通過繼承tensorflow.keras.Model類定義自己的模型

第三種：通過繼承tensorflow.keras.Model類定義自己的模型
在繼承類中， 我們需要重寫 __ init__()（構造函數）以及實現模型的前向傳遞 call(input)（模型調用）兩個方法， 你也可以根據需要添加自定義的方法

class MyModel(Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.conv1 = Conv2D(32, 3, activation='relu', padding='same')
        self.flatten = Flatten()
        self.d1 = Dense(128, activation='relu')
        self.d2 = Dense(10, activation='softmax')

    def call(self, x):
        x = self.conv1(x)
        x = self.flatten(x)
        x = self.d1(x)
        x = self.d2(x)
        return x
    
model3 = MyModel()
input = Input((28,28,1))
_ = model3(input)
model3.summary()

運行輸出：

Model: "my_model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_2 (Conv2D)            (None, 28, 28, 32)        320       
_________________________________________________________________
flatten_2 (Flatten)          (None, 25088)             0         
_________________________________________________________________
dense_4 (Dense)              (None, 128)               3211392   
_________________________________________________________________
dense_5 (Dense)              (None, 10)                1290      
=================================================================
Total params: 3,213,002
Trainable params: 3,213,002
Non-trainable params: 0
_________________________________________________________________

下一篇

TF2.0模型訓練