Tensorflow2.0 全连接层全连接层的基本使用使用函数创建全连接网络

全连接层的基本使用

"""
    全连接层 -- 简单使用
"""
import tensorflow as tf

# 输入维度[4, 784]
x = tf.random.normal((4, 784))

# 网络结构 [?, 512] 输入维度确定？
net = tf.keras.layers.Dense(units=512)
out = net(x)

print("输出维度：", out.shape)
# 根据矩阵相乘规则 推断出 [784, 512]
print("全连接层维度:", net.kernel.shape, "偏置维度", net.bias.shape)


print("--" * 40)
# W和B的创建
net = tf.keras.layers.Dense(10)
# 在没有build之前调用失败
# print("全连接层维度:", net.kernel.shape, "偏置维度", net.bias.shape)
print(net.get_weights(), net.weights)

# 创建权重与偏置 [None, 4] * [?, 10]  ==> 4
net.build(input_shape=(None, 4))
print("全连接层维度:", net.kernel.shape, "偏置维度", net.bias.shape)

# 重新创建 全连接层 [None, 20] * [?, 10] ==> 20
net.build(input_shape=(None, 20))
print("全连接层维度:", net.kernel.shape, "偏置维度", net.bias.shape)

# 重复创建 [2, 4] * [?, 10] ==> 4
net.build(input_shape=(2, 4))
print(net.kernel.numpy())

# 输入维度不一致情况
net.build(input_shape=[None, 20])
print("全连接层维度:", net.kernel.shape, "偏置维度", net.bias.shape)

# 输入维度不匹配
# x = tf.random.normal([4, 12])
x = tf.random.normal([4, 20])
out = net(x)
print("输出维度:", out.shape)

使用函数创建全连接网络

"""
    sequnential
    连续创建模型
"""
import tensorflow as tf

# 输入数据
x = tf.random.normal([2, 3])

# [2*3] ==> [3*2] ==> [2*2] ==>[2*2]
# 组建网络
model = tf.keras.Sequential([
    tf.keras.layers.Dense(2, activation="relu"),
    tf.keras.layers.Dense(2, activation="relu"),
    tf.keras.layers.Dense(2)  # 输出层
])

# 初始化网络参数
model.build(input_shape=[None, 3])

# 显示模型结构
model.summary()

# 打印可训练变量
for p in model.trainable_variables:
    print(p.name, p.shape)

最后

以上就是务实网络为你收集整理的Tensorflow2.0 全连接层全连接层的基本使用使用函数创建全连接网络的全部内容，希望文章能够帮你解决Tensorflow2.0 全连接层全连接层的基本使用使用函数创建全连接网络所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。