【導(dǎo)讀】tf.keras是TensorFlow 2.0最主要的高階API接口，為T(mén)ensorFlow的代碼提供了新的風(fēng)格和設(shè)計(jì)模式，大大提升了TF代碼的簡(jiǎn)潔性和復(fù)用性，也間接地提供了TF開(kāi)發(fā)的規(guī)范。本文介紹TF官網(wǎng)提供的最新的tf.keras指南。

TensorFlow 1.x以靜態(tài)圖為主，網(wǎng)上主流的TF代碼編寫(xiě)主要是面向過(guò)程的（函數(shù)為主），在引入tf.keras之后，TensorFlow官方就開(kāi)始推薦tf.keras里各種面向?qū)ο蟮木幊田L(fēng)格，從層到模型都是類(lèi)和對(duì)象，大大簡(jiǎn)化了代碼的簡(jiǎn)潔性和復(fù)用性，也間接地提供了TF開(kāi)發(fā)的規(guī)范。

Keras作者Fran?ois Chollet在Twitter轉(zhuǎn)發(fā)了TensorFlow官方最新tf.keras指南，本文大概介紹一下該指南中比較重要的內(nèi)容。

指南的內(nèi)容大致如下：

• Keras Functional API

• 訓(xùn)練和評(píng)價(jià)

• 利用繼承構(gòu)建層和模型

• 保存和序列化模型

Keras Functional API

指南地址：

https://www./alpha/guide/keras/functional

內(nèi)容概要：

• Keras中網(wǎng)絡(luò)層的定義和調(diào)用，例如如何用指定的參數(shù)來(lái)定義一個(gè)全連接層，然后用定義的層來(lái)變換輸入數(shù)據(jù)。

• Keras模型的定義和調(diào)用，包括模型自帶的訓(xùn)練和評(píng)價(jià)函數(shù)。

• Keras層測(cè)復(fù)用

• 網(wǎng)絡(luò)中間層信息的提取和復(fù)用

• 自定義Keras層
  

• Functional API的優(yōu)點(diǎn)和缺點(diǎn)

• Functional API和Subclassing API（繼承式）混寫(xiě)

• 另外，用內(nèi)置的函數(shù)可以直接可視化網(wǎng)絡(luò)結(jié)構(gòu)了：

  
  

訓(xùn)練和評(píng)價(jià)

指南地址：

https://www./alpha/guide/keras/training_and_evaluation

內(nèi)容概要：

• Keras模型內(nèi)置的訓(xùn)練和評(píng)價(jià)Loop

• 自定義損失函數(shù)

• 用tf.data.Datasets作為輸入

• 其它輸入格式，如Pandas

• 采樣和類(lèi)別權(quán)重

• 多輸入和多輸出

• 回調(diào)函數(shù)

• 斷點(diǎn)

• 學(xué)習(xí)率規(guī)劃

• 用TensorBoard可視化損失

利用繼承構(gòu)建層和模型

指南地址：

https://www./alpha/guide/keras/custom_layers_and_models

內(nèi)容概要：

• Keras層封裝狀態(tài)（權(quán)重）和計(jì)算

• 權(quán)重延遲構(gòu)造（延遲到輸入形狀已知時(shí)）

• 遞歸構(gòu)造Keras層

• Keras層在前向傳播時(shí)遞歸收集損失

• 可選啟用序列化Keras層

• call方法中的training參數(shù)

• 端到端地構(gòu)建一個(gè)模型

保存和序列化模型

指南地址：

https://www./alpha/guide/keras/saving_and_serializing

內(nèi)容概要：

• 保存整個(gè)模型

• 導(dǎo)出到SavedModel

• 僅保存結(jié)構(gòu)

• 僅保存權(quán)重

• 在SavedModel格式下僅保存權(quán)重

• 保存繼承的模型
  

參考鏈接：

• https://www./alpha/guide/keras/