# 记Tensorflow和Keras的使用

### 1.网络结构

#### ; Dense层

[En]

This layer receives one-dimensional data and uses it as follows:

model = Sequential()

-<details><summary>*<font color='gray'>[En]</font>*</summary>*<font color='gray'>-</font>*</details>



#### Flattten层

[En]

It is used to compress the data of the input layer into one-dimensional data, which is generally used between the convolution layer and the fully connected layer (because the fully connected layer can only receive one-dimensional data, while the convolution layer can handle two-dimensional data, that is, the fully connected layer processes vectors. The convolution layer processes matrices), the principle is as follows:

#### ; Embedding层

[En]

Used to extend the dimensions of data, converting integers to vector representations:

Embedding理解与代码实现

pad = ZeroPadding2D(((2, 0), (2, 0)))(inputs)
[[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0.]
[0. 0. 1. 2. 3.]
[0. 0. 4. 5. 6.]
[0. 0. 7. 8. 9.]]

[[0. 0. 0. 0. 0.]
[0. 1. 2. 3. 0.]
[0. 4. 5. 6. 0.]
[0. 7. 8. 9. 0.]
[0. 0. 0. 0. 0.]]


### 2.网络配置

#### ; Model类

[En]

The network is stacked layer by layer, you can give a name to the middle layer that you want to get the output, and then get the output of this middle layer, and use the input of the model and the output of the middle layer to build a model for prediction.

a = Input(shape=(32,))
b = Dense(32)(a)
model = Model(inputs=a, outputs=b)


Model 类（函数式 API）

; 二、数据量的问题

### 1.Keras的fit函数

model.fit(trainX, trainY, validation_data=(testX, testY)
batch_size=32, epochs=50)


### 2.Keras的fit_generator函数

①写一个数据分批生成器

'''
train_num为提前生成的乱序码，可类比图片的地址
yield处，可写为以下元组形式()
'''
def get_batch(self, x, train_num, y_train, batch_size):
while True:
for i in range(0, len(train_num), batch_size):
input_x = x[train_num[i:i + batch_size]]
input_x = np.array(input_x, dtype=np.float)
input_y = y_train[i:i + batch_size]
yield (input_x, input_y)


②调用fit_generator函数

'''
steps_per_epoch代表一次迭代的批次数，该参数保证模型知道每次迭代之间的间隔，是确保模型正常迭代的关键；
validation_data只能使用元组封装的形式，不能使用生成器
'''
model.fit_generator(get_batch(self, x, train_num, y_train, batch_size),
validation_data=(testX, testY),
batch_size=32,
steps_per_epoch=n_bacth,
epochs=50)


### 3.Keras的train_on_batch函数

Original: https://blog.csdn.net/Xyoutz_/article/details/123670776
Author: 小小盆友X
Title: 记Tensorflow和Keras的使用

(0)

### 大家都在看

• #### 《机器学习实战》——第9章 树回归

第8章介绍的线性回归包含了一些强大的方法，但这些方法创建的模型需要拟合所有的样本点（局部加权线性回归除外）。当数据拥有众多特征并且特征之间关系十分复杂时，构建全局模型的想法就显得太…

人工智能 2023年6月18日
0189
• #### 面试官：你说一说MySQL查询慢应该怎么办？

偶尔慢： 上述所说的偶尔慢情况都是与MySQL系统刷新脏页有关。 而刷新脏页与 IOPS有关， IOPS，具体可以看我这篇文章点击查看。 Original: https://blo…

人工智能 2023年7月29日
0197
• #### 我的Go gRPC之旅、02 四种通信模式

借助gRPC我们可以 实现不同进程间通信模式（也称RPC风格）。 message Order { string id = 1; repeated string items = 2;…

人工智能 2023年6月4日
0205
• #### Python｜获取文件夹下的指定类型文件名并存入表格

本文我们来通过简短的代码来实现一个快速文件夹内文件名遍历功能，并把制定类型的文件名存入到表格中。 一、获取文件夹下的文件内容 想要对电脑中的文件夹进行操作，我们首先需要做的就是使用…

人工智能 2023年7月8日
0215
• #### 对两种类型的蘑菇图像进行识别与分类——使用SVM分类器（matlab）

该项目已免费开源！点个收藏和赞吧！https://gitee.com/zhengzsj/mushroom-classification-system-based-on-matlab…

人工智能 2023年7月1日
0226
• #### 机器学习真能产生智能决策吗？

作者 | 刘礼 出品 | AI科技大本营（ID：rgznai100） 历经三年时间，我们在2022年完成了图灵奖获得者、加州大学洛杉矶分校计算机科学教授，美国国家科学院院士，被誉为…

人工智能 2023年6月23日
0213
• #### Yolov5训练指南—CoCo格式数据集

Yolov5训练指南—CoCo格式数据集 1 准备工作 2 将coco数据集转换为yolo数据集 3 训练参数定义 4 训练模型 5 预测 1 准备工作 训练Yolo模型要准备的文…

人工智能 2023年7月26日
0163
• #### 【ROS2&AI】电脑摄像头、intel-D435，利用ros2发布订阅图像(Python)

本文欲分享两个代码来实现图像的传输，利用ros2，ROS2～ 配置：Ubuntu20.04 ; Python ;ROS2 foxy ; opencv ；电脑相机 or Intel-…

人工智能 2023年6月24日
0146
• #### 免费公测 标贝声音理解，检测声音性别和年龄

古有听声辨位，今有听声”识”人。说到声音，其本质是不同频率声音的集合，以波的形式振动（震动）传播。由于每个人的发声器官（口腔、鼻腔、声带）各不相同，因此每个…

人工智能 2023年6月6日
0173
• #### Pytorch中使用TensorBoard

本文记录了如何在Pytorch中使用Tensorboard（主要是为了备忘） ; Pytorch中使用TensorBoard 虽然我本身就会用TensorBoard，但是因为Ten…

人工智能 2023年7月4日
0140
• #### Deep Learning for EEG-Based Preference Classification in Neuromarketing文章精读导读，深度学习在神经营销中基于脑电的偏好分类

深度学习在神经营销中基于脑电的偏好分类 博主的小前言 1 介绍 Introduction 2 研究背景 Background * 2.1 神经营销 Neuromarketing 2…

人工智能 2023年7月2日
0226
• #### R语言计算回归模型残差平方和(Residual Sum of Squares)实战，并基于残差平方和比较模型优劣

抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。 Original: https:…

人工智能 2023年6月17日
0145
• #### 时间序列匹配之dtw的python实现（二）

简介 在上一篇文章里我们介绍了dtw库的使用，但其限制太多，不够灵活，且作图不够方便，因此我们来介绍一个更加复杂的库—-dtw-python。它是R语言中dtw实现的p…

人工智能 2023年7月16日
0222
• #### 深入浅出 Yolo 系列之 Yolov7 基础网络结构详解

从 2015 年的 YOLOV1，2016 年 YOLOV2， 2018 年的 YOLOV3，到 2020 年的 YOLOV4、 YOLOV5， 以及最近出现的 YOLOV76 和…

人工智能 2023年7月12日
0180
• #### python dataframe 分位数_DataFrame：添加值为现有列的分位数/列组的列？

可以对现有列使用q=[0.25，0.5，0.75]的DataFrame.quantile来生成四分位列。 然后，您可以DataFrame.rank在那个四分位列上。 有关添加四分位…

人工智能 2023年7月7日
0158
• #### 1.jetson与摄像头的对接

摄像头接口的种类 从大类上分可以分为2类，分别是标准接口和板载接口。标准接口包括：usb，网口。板载接口包括：mipi-csi接口。本篇博客来讨论一下在实际应用过程中的各种对接方式…

人工智能 2023年7月20日
0129