本文主要是介绍自定义层or网络，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

目录

• Outline
• keras.Sequential
• Layer/Model
  • MyDense
  • MyModel

Outline

• keras.Sequential

• keras.layers.Layer

• keras.Model

keras.Sequential

• model.trainable_variables  # 管理参数

• model.call()

network = Sequential([
    layers.Dense(256, acitvaiton='relu'),
    layers.Dense(128, acitvaiton='relu'),
    layers.Dense(64, acitvaiton='relu'),
    layers.Dense(32, acitvaiton='relu'),
    layers.Dense(10)
])
network.build(input_shape=(None, 28 * 28))
network.summary()

Layer/Model

• Inherit from keras.layers.Layer/keras.Model

• __init__

• call

• Model:compile/fit/evaluate

MyDense

class MyDense(layers.Layer):
    def __init__(self, inp_dim, outp_dim):
        super(MyDense, self).__init__()

        self.kernel = self.add_variable('w', [imp_dim, outp_dim])
        self.bias = self.add_variable('b', [outp_dim])

    def call(self, inputs, training=None):
        out = input @ self.kernel + self.bias

        return out

MyModel

class MyModel(keras.Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc1 = MyDense(28 * 28, 256)
        self.fc2 = MyDense(256, 128)
        self.fc3 = MyDense(128, 64)
        self.fc4 = MyDense(64, 32)
        self.fc5 = MyDense(32, 10)

    def call(self, iputs, training=None):
        x = self.fc1(inputs)
        x = tf.nn.relu(x)
        x = self.fc2(x)
        x = tf.nn.relu(x)
        x = self.fc3(x)
        x = tf.nn.relu(x)
        x = self.fc4(x)
        x = tf.nn.relu(x)
        x = self.fc5(x)

        return x

这篇关于自定义层or网络的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！