tf.keras
tf.keras er TensorFlows implementering af Keras API'et til at bygge og træne neurale netværk.
Kort fortalt
tf.keras er den nemmeste måde at lave neurale netværk på i TensorFlow.
- Kategori
- værktøj
- Niveau
- øvet
Betydninger
1- 1
TensorFlows integrerede high-level API til konstruktion, træning og evaluering af deep learning-modeller med Keras-grænsefladen.
- En model bygges typisk ved at stable lag med tf.keras.Sequential og derefter kalde fit(). — TensorFlow dokumentation
- tf.keras understøtter både Sequential- og Functional API til forskellige modelarkitekturer. — TensorFlow dokumentation
Hvornår bruges det
tf.keras bruges som standard high-level API i TensorFlow til at definere, kompilere og træne modeller. Det understøtter både Sequential og Functional API samt brugerdefinerede lag.
Kodeeksempel
import tensorflow as tf
model = tf.keras.Sequential([
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam', loss='categorical_crossentropy')
model.fit(x_train, y_train, epochs=5)Eksempel på en simpel klassifikationsmodel bygget med tf.keras.Sequential.
Oprindelse
Navnet 'Keras' kommer fra græsk κέρας (keras) som betyder 'horn'. API'et blev oprindeligt udviklet af François Chollet som et selvstændigt bibliotek, men blev senere officielt integreret i TensorFlow fra version 2.0.