Module: tf.keras.applications 　　该类封装了很多重量级的网络架构，实例化的时候会默认加载参数 　　　　DenseNet121()　　　　DenseNet169()　　　　DenseNet201()　　　　InceptionResNetV2 ...

转载自https://zhuanlan.zhihu.com/p/30751039 ...

tf.keras.Sequential 　　序列化建模，一般步骤为： 　　1、实例化一个Sequential类，该类是继承于Model类； 　　2、添加所需要的神经网络层； 　　3、用compile进行编译模型； 　　4、用fitx训练模型； 　　5、用predict预测 ...

keras 构建模型很简单，上手很方便，同时又是 tensorflow 的高级 API，所以学学也挺好。 模型复现在我们的实验中也挺重要的，跑出了一个模型，虽然我们可以将模型的 checkpoint 保存，但再跑一遍，怎么都得不到相同的结果。 用 keras 实现模型，想要能够复现，首先需要 ...

tf.keras.backend 　　tf.keras的后端API，这里集成了很多常用的数学方法 　　abs()：获取元素的绝对值；可以传入数值型常量、张量、列表等； 　　　　 　　　　这里的数据类型和传入的数据类型相关。 　　all()：对传入的数据进行“且”操作，一个假就全假 ...

导入数据 为了避免报错，先进行格式转换： 图解： repeat(3)将数据集重复3次，batch(10)每次输出一个包括10个元素的batch。 如果不能刚好等分，例如 ...

目录 从 PyTorch 中导出模型参数 第 0 步：配置环境 第 1 步：安装 MMdnn 第 2 步：得到 PyTorch 保存完整结构和参数的模型（pth 文件） 第 3 步：导出 PyTorch 模型的参数，保存至 hdf5 ...

tensorflow 使用数据集（tf.data）的方法对数据集进行操纵。 1. 对 数组（内存向量） 进行操纵 ： 2. 读取文本文件里的数据 （ tf.data ...