我目前正在用MNIST数据集研究图像分析的神经网络模型。我第一次只使用图像来建立第一个模型。然后我创建了一个附加变量,它是: 当数字实际在0和4之间时为0,当数字大于或等于5时为1。在
因此,我想建立一个模型,它可以包含这两个信息:数字的图像和我刚刚创建的附加变量。在
我首先创建了两个模型,一个用于图像,另一个用于外部变量,如下所示:
import tensorflow as tf
from tensorflow import keras
image_model = keras.models.Sequential()
#First conv layer :
image_model.add( keras.layers.Conv2D( 64, kernel_size=3,
activation=keras.activations.relu,
input_shape=(28, 28, 1) ) )
#Second conv layer :
image_model.add( keras.layers.Conv2D( 32, kernel_size=3, activation=keras.activations.relu ) )
#Flatten layer :
image_model.add( keras.layers.Flatten() )
print( image_model.summary(), '\n' )
info_model = keras.models.Sequential()
info_model.add( keras.layers.Dense( 5, activation=keras.activations.relu, input_shape=(1,) ) )
print( info_model.summary() )
然后我想把最后两个层连接起来,最后用softmax设置另一个密集层来预测类概率。在
我知道使用Keras函数API是可行的,但是如何使用它呢特斯拉斯? 在
你可以很容易地在TF中使用Keras的函数API(用tf2.0测试):
这给了你the model you are looking for.
相关问题 更多 >
编程相关推荐