[英]What is meant by sequential model in Keras
我最近开始使用 Tensorflow 进行深度学习。 我发现这个语句model = tf.keras.models.Sequential()
有点不同。 我不明白这到底是什么意思,还有其他深度学习模型吗? 我在 MatconvNet(卷积神经网络的 Matlab 库)上做了很多工作。 从未在其中看到任何顺序定义。
构建 Keras 模型有两种方法:顺序和功能。
顺序 API 允许您为大多数问题逐层创建模型。 它的局限性在于它不允许您创建共享层或具有多个输入或输出的模型。
或者,函数式 API 允许您创建具有更大灵活性的模型,因为您可以轻松定义模型,其中层连接到的不仅仅是上一层和下一层。 事实上,您可以将层连接到(字面上)任何其他层。 因此,创建复杂的网络,如 siamese 网络和残差网络成为可能。
有关更多详细信息,请访问: https : //machinelearningmastery.com/keras-functional-api-deep-learning/
根据Keras文档的定义,Sequential 模型是层的线性堆栈。您可以通过将层实例列表传递给构造函数来创建 Sequential 模型:
from keras.models import Sequential
from keras.layers import Dense, Activation
model = Sequential([
Dense(32, input_shape=(784,)),
Activation('relu'),
Dense(10),
Activation('softmax'),
])
您还可以通过 .add() 方法简单地添加图层:
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Activation('relu'))
更多详情请点击这里
Sequential
模型是层的线性堆栈。
ConvNets 的常见架构是顺序架构。 然而,一些架构不是线性堆栈。 例如,孪生网络是具有一些共享层的两个并行神经网络。 更多例子在这里。
正如其他人已经提到的那样,“顺序模型是层的线性堆栈。 ”
Sequential 模型 API 是一种创建深度学习模型的方法,其中创建 Sequential 类的实例,并创建模型层并将其添加到其中。
添加图层最常用的方法是Piecewise
import keras
from keras.models import Sequential
from keras.layers import Dense
#initialising the classifier
#defining sequential i.e sequense of layers
classifier = Sequential()
# Adding the input layer and the first hidden layer
classifier.add(Dense(units = 6,activation = 'relu'))
#units = 6 as no. of column in X_train = 11 and y_train =1 --> 11+1/2
#Adding the second hidden lyer
classifier.add(Dense(units = 6, activation='relu'))
#adding the output layer
classifier.add(Dense(units = 1, activation = 'sigmoid))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.