Ako používať funkčné API Keras na hlboké vzdelávanie

Blog

Ako používať funkčné API Keras na hlboké vzdelávanie

Keras je knižnica neurónových sietí s otvoreným zdrojovým kódom napísaná v pythone. Umožňuje ľahko budovať, trénovať, hodnotiť a vykonávať všetky druhy neurónových sietí.

Existujú dva spôsoby, ako môžete KERAS použiť na zostavenie modelov hlbokého vzdelávania:

  • sekvenčné API,
  • funkčné API.

Sekvenčné API vám umožňuje vytvárať modely vrstvu po vrstve pre väčšinu problémov. Toto je však jedno dôležité obmedzenie - neumožňuje vám vytvárať modely, ktoré zdieľajú vrstvy alebo majú viac vstupov alebo výstupov.

Funkčné API v Kerase je alternatívny spôsob vytvárania modelov, ktorý ponúka oveľa väčšiu flexibilitu vrátane vytvárania zložitejších modelov.

previesť objekt json na pole

Po prečítaní tohto článku budete vedieť:

komentáre robotov na youtube
  • aký je rozdiel medzi sekvenčným a funkčným API,
  • ako vytvárať konvolučné neurónové siete a modely LSTM pomocou funkčného API.

Aký je rozdiel medzi sekvenčným API Keras a funkčným API

Poďme diskutovať o hlavných rozdieloch medzi sekvenčným API Keras a funkčným API

Sekvenčné API Keras

Rozhranie Sequential model API umožňuje vytvárať modely hlbokého učenia, kde je vytvorená inštancia triedy Sequential a sú k nej pridané a do nej pridané vrstvy modelu.

model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation=’relu’), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation=’softmax’) ])

Aj keď je vo väčšine prípadov veľmi užitočné vyvinúť modely hlbokého učenia, má určité obmedzenia, napr. je ťažké definovať modely, ktoré môžu mať viacero rôznych vstupných zdrojov alebo modely, ktoré opakovane používajú vrstvy.

Funkčné API Keras

Funkčné API Keras je flexibilnejšie, pokiaľ ide o definovanie modelov.

Keras Functional API umožňuje definovať viac vstupných alebo výstupných modelov, ako aj modelov zdieľajúcich vrstvy.

Na rozdiel od sekvenčného modelu musíte vytvoriť a definovať samostatnú vstupnú vrstvu, ktorá určuje tvar vstupných údajov.

cnn / it / rok

Vstupná vrstva má argument tvaru, ktorý je n -ticou, ktorá naznačuje rozmernosť vstupných údajov

Vrstvy v modeli sú spojené párovo. To sa robí zadaním odkiaľ pochádza vstup pri definovaní každej novej vrstvy.

Po vytvorení všetkých vrstiev modelu a ich vzájomnom prepojení musíte definovať model

osobné vedy o údajovej vede

#funkčné-api #sekvenčné-api #hlboké učenie #tensorflow #keras

medium.com

Ako používať funkčné API Keras na hlboké vzdelávanie

V tomto článku vysvetlím, ako používať funkčné API v Kerase na definovanie modelov hlbokého učenia. Ako používať funkčné API Keras na hlboké vzdelávanie