TF2.0模型创建

概述

tensorflow2.0模型创建方法我划分为三种方式：
1、通过tensorflow.keras.Sequential构造器创建模型
2、使用函数式API创建模型
3、通过继承tensorflow.keras.Model类定义自己的模型
接下来将用代码分别演示去构建一个简单的模型

1、通过tensorflow.keras.Sequential构造器创建模型

第一种：通过tensorflow.keras.Sequential构造器创建模型
该方法就是不断堆叠你需要的层，如该模型带参数的一共有三层，一个卷积层，两个全连接层（卷积之后通过Flatten层将其展平，从而接全连接层 ）。
需要注意的是要在第一层指定输入形状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()

运行输出：

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、使用函数式API创建模型

第二种：使用函数式API创建模型
这种方法比较灵活、自由，你可以轻易的创建多输入、多输出的模型。
用的Input层指定每个样本的形状，不管批次大小。最后通过Model类根据输入和输出来创建模型

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()

运行输出：

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、通过继承tensorflow.keras.Model类定义自己的模型

第三种：通过继承tensorflow.keras.Model类定义自己的模型
在继承类中， 我们需要重写__ init__() （构造函数）以及实现模型的前向传递call(input) （模型调用）两个方法， 你也可以根据需要添加自定义的方法

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()

运行输出：

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
_________________________________________________________________

下一节

TF2.0模型训练

总结

待更新。。。。。。