基础
2D张量:密集链接层、全连接层(Dense类)
3D张量:循环层(LSTM层)
4D张量 (图像数据):二维卷积层(Conv2D)
具体操作:
1、定义训练数据:input
,output
2、定义层组成网络
3、配置学习过程,选择损失函数、优化器和需要监控的目标
4、调用 (fit) 方法进行迭代
定义模型:
- 使用 (Sequential) 类(仅用于层的线性堆叠)
- 函数式 (API) (层组成有向无环图,构建任意形式架构)
(loss) 使用:
二分类问题:((binarycrossentropy))
多分类问题:((categoricalcrossentropy))
回归问题:((mean-squarederror))
序列学习:((CTC))