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
時尚研究
法律研究如何使用Python中的Keras將模型繪製成圖表並顯示輸入和輸出形狀？
TensorFlow是由谷歌提供的機器學習框架。它是一個開源框架，與Python結合使用，可以實現演算法、深度學習應用程式等等。它用於研究和生產目的。它具有最佳化技術，有助於快速執行復雜的數學運算。張量是TensorFlow中使用的資料結構。它有助於連線流程圖中的邊。此流程圖稱為“資料流圖”。張量只不過是多維陣列或列表。
Keras是作為ONEIROS（開放式神經電子智慧機器人作業系統）專案研究的一部分而開發的。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。它提供了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瀏覽器或行動電話上執行。
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有向無環圖（DAG），包含多個層。函式式API有助於構建圖層圖。
我們正在使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory有助於透過瀏覽器執行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("Plotting the built model")
keras.utils.plot_model(model, "my_model.png")
print("Displaying dimensions of input and output data")
keras.utils.plot_model(model, "my_first_model.png", show_shapes=True)程式碼來源：https://www.tensorflow.org/guide/keras/functional
輸出
解釋
層圖是使用函式式API可以建立的深度學習模型的思維模型。
384次瀏覽
