model = tf.keras.Sequential
时间: 2024-06-20 13:03:18 浏览: 255
`tf.keras.Sequential`是TensorFlow的一个高级API,用于构建神经网络模型。它提供了一种简单、快速的方式来搭建神经网络,不需要手动指定每一层的输入输出连接关系。
在`tf.keras.Sequential`中,可以使用`add()`方法向模型中逐层添加神经网络层。每一层都可以指定相应的参数,例如激活函数、输入维度、输出维度等等。
下面是一个简单的示例代码:
```
import tensorflow as tf
# 创建Sequential模型
model = tf.keras.Sequential()
# 添加第一层全连接层
model.add(tf.keras.layers.Dense(units=64, activation='relu', input_shape=(784,)))
# 添加第二层全连接层
model.add(tf.keras.layers.Dense(units=10, activation='softmax'))
# 编译模型
model.compile(optimizer=tf.keras.optimizers.Adam(0.001),
loss='categorical_crossentropy',
metrics=['accuracy'])
```
在上述代码中,我们首先创建了一个空的`Sequential`模型。接着,我们向模型中添加了两个全连接层,第一层有64个神经元,激活函数为ReLU,输入维度为784(表示输入的数据有784个特征);第二层有10个神经元,激活函数为Softmax,表示输出的是10个类别中的概率分布。
最后,我们使用`compile()`方法对模型进行编译,指定了优化器、损失函数和评价指标。编译后,我们就可以使用`fit()`方法来训练模型了。
阅读全文