資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學使用Keras和Python的compile方法編譯順序模型
Keras是作為ONEIROS（開放式神經電子智慧機器人作業系統）專案研究的一部分開發的。Keras是一個用Python編寫的深度學習API。它是一個高階API，具有高效的介面，有助於解決機器學習問題。
它執行在Tensorflow框架之上。它旨在幫助快速進行實驗。它提供開發和封裝機器學習解決方案所需的必要抽象和構建塊。
它具有高度的可擴充套件性，並具有跨平臺能力。這意味著Keras可以在TPU或GPU叢集上執行。Keras模型也可以匯出並在Web瀏覽器或手機上執行。
Keras已經存在於Tensorflow包中。可以使用以下程式碼行訪問它。
import tensorflow from tensorflow import keras
Keras函式式API有助於建立比使用順序API建立的模型更靈活的模型。函式式API可以處理具有非線性拓撲的模型，可以共享層並處理多個輸入和輸出。深度學習模型通常是一個包含多個層的有向無環圖 (DAG)。函式式API有助於構建層圖。
我們使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory有助於在瀏覽器上執行Python程式碼，無需任何配置即可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。以下是程式碼片段：
示例
print("Model is being compiled")
model.compile(
optimizer=keras.optimizers.RMSprop(1e-3),
loss={
"priority": keras.losses.BinaryCrossentropy(from_logits=True),
"department": keras.losses.CategoricalCrossentropy(from_logits=True),
},
loss_weights=[1.0, 0.2],
)程式碼來源：https://www.tensorflow.org/guide/keras/functional
輸出
Model is being compiled
解釋
模型使用“compile”方法進行編譯。
編譯過程中，可以為每個輸出分配不同的損失函式。
還可以為不同的損失函式分配不同的權重，這樣就可以調節總的訓練損失。
更新於：2021年1月18日
258 次瀏覽
廣告