Tensorflow 2.0—— 跟着官方demo学习Tensorflow 2.0框架基本API和用法

Posted 2022-03-25 玛丽莲茼蒿

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Tensorflow 2.0—— 跟着官方demo学习Tensorflow 2.0框架基本API和用法相关的知识，希望对你有一定的参考价值。

前言

同样的，对于新框架的学习直接看官网！！

TensorFlow Core不论您是机器学习新手还是专家，都可使用完整的端到端示例了解如何使用 TensorFlow。请试用 Google Colab 中的教程 - 无需进行任何初始设置。https://tensorflow.google.cn/tutorials?hl=zh_cn官网提供的是Jupyter 笔记本格式的教程，能够一段一段的边看边运行，可惜Jupyter服务器在国外，所以国内没法运行。那就直接看好了。

一、针对新手的damo

初学者的 TensorFlow 2.0 教程 | TensorFlow Corehttps://tensorflow.google.cn/tutorials/quickstart/beginner?hl=zh_cn1. 下载并安装 TensorFlow 2.0 测试版包。将 TensorFlow 载入你的程序：

# 安装 TensorFlow

import tensorflow as tf

2. 载入并准备好 Keras自带的MNIST 数据集。将样本从整数转换为浮点数：

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

3. 将模型的各层堆叠起来，以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数：

model = tf.keras.models.Sequential([  # 定义模型网络结构
  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')
])

model.compile(optimizer='adam',  # 定义模型优化器
              loss='sparse_categorical_crossentropy',  # 定义模型loss函数
              metrics=['accuracy'])  # 定义模型的指标

4. 训练并验证模型：

model.fit(x_train, y_train, epochs=5)  # 5轮

model.evaluate(x_test,  y_test, verbose=2)

5. 训练结果

现在，这个照片分类器的准确度已经达到 98%。

二、进阶demo

针对专业人员的 TensorFlow 2.0 入门 | TensorFlow Corehttps://tensorflow.google.cn/tutorials/quickstart/advanced?hl=zh_cn 2.2 tensorflow2官方demo_哔哩哔哩_bilibiliTensorflow2官方demo，手写数字的识别https://www.bilibili.com/video/BV1n7411T7o6?spm_id_from=333.999.0.01. 注意在TensorFlow中，tensor的通道排序和pytorch有所不同。

1）TensorFlow tensor: [batch, height, width, channel]

2）Pytorch tensor: [batch,channel, height, width]

2. 这个demo分为model.py和train.py两个脚本。

2.1 model.py

1. 模型的搭建风格：使用Model Subclassing API，类似于pytorch的一种风格。

2. 我们自己构造的MyModel类集成了keras的Model类

搭建网络用的Dense、Flatten、Conv2D函数来自keras的layers类

from tensorflow.keras.layers import Dense, Flatten, Conv2D
from tensorflow.keras import Model

3. 搭建

class MyModel(Model):
  def __init__(self):
    super(MyModel, self).__init__() 
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')  # 全连接层
    self.d2 = Dense(10)  # 全连接层

  # 定义网络正向传播的过程
  def call(self, x):  
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)

# Create an instance of the model
model = MyModel()

1）super函数：避免多继承带来的问题

2）Conv2D函数，我们来看一下它的参数