TensorFlow 中如何使用 Keras 子类 API 构建模型？

推荐答案

在 TensorFlow 中，使用 Keras 子类 API 构建模型可以通过继承 tf.keras.Model 类并定义 __init__ 和 call 方法来实现。以下是一个简单的示例：

// www.javascriptcn.com code example
import tensorflow as tf

class MyModel(tf.keras.Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.dense1 = tf.keras.layers.Dense(64, activation='relu')
        self.dense2 = tf.keras.layers.Dense(10, activation='softmax')

    def call(self, inputs):
        x = self.dense1(inputs)
        return self.dense2(x)

# 实例化模型
model = MyModel()

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(train_data, train_labels, epochs=5)

本题详细解读

1. 继承 tf.keras.Model 类

在 Keras 子类 API 中，首先需要创建一个继承自 tf.keras.Model 的类。这个类将包含模型的所有层和逻辑。

class MyModel(tf.keras.Model):

2. 定义 __init__ 方法

在 __init__ 方法中，定义模型的所有层。这些层将在模型的前向传播过程中使用。

def __init__(self):
    super(MyModel, self).__init__()
    self.dense1 = tf.keras.layers.Dense(64, activation='relu')
    self.dense2 = tf.keras.layers.Dense(10, activation='softmax')

3. 定义 call 方法

call 方法定义了模型的前向传播逻辑。它接收输入数据并返回模型的输出。

def call(self, inputs):
    x = self.dense1(inputs)
    return self.dense2(x)

4. 实例化模型

创建模型的实例。

model = MyModel()

5. 编译模型

在训练模型之前，需要编译模型。编译时指定优化器、损失函数和评估指标。

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

6. 训练模型

使用 fit 方法训练模型，传入训练数据和标签，并指定训练的轮数。

model.fit(train_data, train_labels, epochs=5)

通过以上步骤，你可以使用 Keras 子类 API 构建和训练自定义的 TensorFlow 模型。