tensorflow2官方demo全流程详解

原创

已于 2023-02-05 11:35:36 修改 · 908 阅读

标签

#tensorflow #深度学习 #python

于 2023-02-04 23:46:13 首次发布

本文介绍了在Tensorflow2.4环境下，基于python3.6和CUDA11.0搭建官方示例代码的过程，包括Tensorflow2与1的区别、模型构建方法。选用ModelSubclassingAPI建立了一个包含卷积层和全连接层的模型，用于MNIST手写数字识别。通过数据预处理、模型定义、损失函数、优化器以及训练过程，最终在测试集上达到98.12%的准确率。

本文目的：本文主要用来学习tensorflow2的官方demo

本篇博客搭建环境为tensorflow2.4+ python3.6 + cuda11.0

官方demo地址：链接

不想去看官方文档或者想要更详细的解释可看本篇博客

一、tensorflow2介绍

Tensorflow1与tensoflow2对比

tensorflow的一些细节

Tensorflow2.0需要注意的几点

1.tensorflowtensor的通道顺序为：[batch, height, width,channel]

2.一般tf2.0可选使用Keras Functional API(tf1中搭建模型的风格)和Model Subclassing API(类似pytorch中搭建模型的风格)两种方法搭建模型。

(本篇博客选用的是第二种方式，也正是官方文档的面向专家的快速入门)

查看tensorflowAPI或者教程可以到tensorflow官网：Release TensorFlow 2.4.0 ·tensorflow/tensorflow (github.com)

二、model.py

Model.py文件全部代码

from tensorflow.keras.layers import Dense, Conv2D, Flatten
from tensorflow.keras import models
 
class Mymodel(models):
    def __init__(self):
        super(Mymodel, self).__init__()
        self.conv1 = Conv2D(32, 3, activation='relu')
        self.flatten = Flatten()
        self.d1 = Dense(128, activation='relu')
        self.d2 = Dense(10, activation='softmax')
    def call(self, x):
        x = self.conv1(x)
        x = self.flatten(x)
        x = self.d1(x)
        return self.d2(x)

前面两行为导入需要用到的模块，包括全连接层，卷积层，拉直层，对于每个层可以在官方文档查看或者在pycharm中crtl + 左键可查看

例如：在pycharm中crtl + 左键查看Conv2D