一、自定義層和網(wǎng)絡(luò)

1.自定義層

①必須繼承自layers.layer

②必須實現(xiàn)兩個方法，__init__和call

這個層，實現(xiàn)的就是創(chuàng)建參數(shù)，以及一層的前向傳播。

添加參數(shù)使用self.add_weight，直接調(diào)用即可，因為已經(jīng)在母類中實現(xiàn)。

在call方法中，實現(xiàn)前向傳播并返回結(jié)果即可。

2.自定義網(wǎng)絡(luò)

①必須繼承自keras.Model

②必須實現(xiàn)兩個方法，__init__和call

這個網(wǎng)絡(luò)，就可以使用我們定義好的MyDense層，來進(jìn)行堆疊。

在init方法中設(shè)置好每一層的連接方式，以及維度。

在call方法中，就要實現(xiàn)前向傳播，可以在這里對網(wǎng)絡(luò)結(jié)構(gòu)前向傳播進(jìn)行實現(xiàn)。如果在層中沒有添加activation的話，在這里需要添加relu等激活函數(shù)。

二、模型的保存和加載

1.保存參數(shù)

通過save_weights方法可以保存參數(shù)，提供路徑即可，加載的時候，先創(chuàng)建好和之前的網(wǎng)絡(luò)結(jié)構(gòu)一模一樣的網(wǎng)絡(luò)結(jié)構(gòu)，導(dǎo)入?yún)?shù)即可。

2.保存整個模型

通過model.save()，保存整個模型，包括結(jié)構(gòu)，層的名字，參數(shù)，維度等等所有信息。

恢復(fù)的時候不需要再創(chuàng)建網(wǎng)絡(luò)。直接通過tf.keras.models.load_model讀取即可。

以上就是python人工智能TensorFlow自定義層及模型保存的詳細(xì)內(nèi)容，更多關(guān)于TensorFlow自定義層及模型保存的資料請關(guān)注腳本之家其它相關(guān)文章！