資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
服裝設計
法律研究在 Python 中使用 Tensorflow 時，何時應該使用順序模型？請舉例說明。
當存在一個簡單的層堆疊時，順序模型是相關的。在這個堆疊中，每一層都只有一個輸入張量和一個輸出張量。當模型有多個輸入或多個輸出時，它不適用。當需要共享層時，它不適用。當層有多個輸入或多個輸出時，它不適用。當需要非線性架構時，它不適用。
Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用以實現演算法、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。這是因為它使用 NumPy 和多維陣列。這些多維陣列也稱為“張量”。
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 是一個深度學習 API，用 Python 編寫。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。它具有高度的可擴充套件性，並具有跨平臺功能。這意味著 Keras 可以執行在 TPU 或 GPU 叢集上。Keras 模型也可以匯出到 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
我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助在瀏覽器上執行 Python 程式碼，無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。
讓我們看一個使用 Tensorflow（包括 Keras）定義順序模型的示例：
示例
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
print("A sequential model is being defined, that has three layers")
model = keras.Sequential(
[
layers.Dense(2, activation="relu", name="layer_1"),
layers.Dense(3, activation="relu", name="layer_2"),
layers.Dense(4, name="layer_3"),
]
)
print("The model is being called on test data")
x = tf.ones((2, 2))
y = model(x)程式碼來源 - https://www.tensorflow.org/guide/keras/sequential_model
輸出
A sequenital model is being defined, that has three layers The model is being called on test data The layers are [<tensorflow.python.keras.layers.core.Dense object at 0x7fe921aaf7b8>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6d898>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6dc18>]
解釋
匯入併為所需的包設定別名。
使用 Keras 中的“sequential”方法建立一個順序模型。
在測試資料上呼叫此模型。
模型各層的詳細資訊顯示在控制檯上。
225 次檢視
