Sequential Class
tf.keras.Sequential(layers=None, name=None)
Keras Sequential Class giúp tạo thành một cụm lớp được xếp chồng tuyến tính thành tf.keras.Model. Các tính năng đào tạo và suy luận được cung cấp tuần tự cho mô hình này.
Các bài viết liên quan:
Thí dụ
>>> # Lớp đầu tiên có thể tùy chọn nhận đối số `input_shape`: >>> model = tf.keras.Sequential() >>> model.add(tf.keras.layers.Dense(8, input_shape=(16,))) >>> # Next we can perform automatic shape inference: >>> model.add(tf.keras.layers.Dense(4))
>>> # This is identical to the following: >>> model = tf.keras.Sequential() >>> model.add(tf.keras.Input(shape=(16,))) >>> model.add(tf.keras.layers.Dense(8))
>>> # Có thể lưu ý rằng bạn cũng có thể bỏ qua đối số `input_shape`. >>> # Trong trường hợp đó , mô hình không có bất kỳ trọng lượng nào cho đến lần gọi đầu tiên >>> # đến một phương pháp đào tạo / đánh giá (vì nó chưa được xây dựng): >>> model = tf.keras.Sequential() >>> model.add(tf.keras.layers.Dense(8)) >>> model.add(tf.keras.layers.Dense(4)) >>> # model.weights not created yet
>>> # Trong khi nếu hình dạng đầu vào được chỉ định, thì trong trường hợp đó , mô hình sẽ được xây dựng # liên tục miễn là bạn thêm lớp: >>> model = tf.keras.Sequential() >>> model.add(tf.keras.layers.Dense(8, input_shape=(16,))) >>> model.add(tf.keras.layers.Dense(4)) >>> len(model.weights) 4
>>> # Khi bạn sử dụng mẫu xây dựng bị trì hoãn (không có hình dạng đầu vào được chỉ định), bạn có thể >>> # chọn thủ công xây dựng mô hình của bạn bằng cách gọi >>> # `build(batch_input_shape)`: >>> model = tf.keras.Sequential() >>> model.add(tf.keras.layers.Dense(8)) >>> model.add(tf.keras.layers.Dense(4)) >>> model.build((None, 16)) >>> len(model.weights) 4
# Lưu ý rằng khi bạn sử dụng mẫu dựng trễ (tức là không có hình dạng đầu vào được chỉ định), # thì mô hình sẽ được tạo trong lần đầu tiên khi bạn gọi là `phù hợp '',` `eval '' hoặc` dự đoán, ' # hoặc nếu bạn gọi mô hình trên một số dữ liệu đầu vào. model = tf.keras.Sequential() model.add(tf.keras.layers.Dense(8)) model.add(tf.keras.layers.Dense(1)) model.compile(optimizer='sgd', loss='mse') # It helps to build the model for the very first time: model.fit(x, y, batch_size=32, epochs=10)
Xem thêm Keras backends -tìm hiểu kiến thức cơ bản
Phương thức add
Sequential.add(layer)
Với sự trợ giúp của phương thức add, bạn sẽ được phép thêm thể hiện của lớp nằm ở trên cùng của lớp ngăn xếp.
Argument
- layer: Nó có thể được định nghĩa là một thể hiện của một lớp.
Raises
- TypeError: TypeError được tạo ra trong trường hợp nếu lớp không phải là một thể hiện của lớp.
- ValueError: Nếu đối số được gọi là lớp không biết về hình dạng của đầu vào, thì ValueError được tạo ra.
- ValueError: Trong trường hợp nếu đối số lớp bao gồm một số đầu ra tensor hoặc đơn giản, chúng ta có thể nói nó được kết nối ở bất kỳ đâu như bị cấm trong mô hình Tuần tự.
Phương thức pop
Sequential.pop ()
Nó giúp loại bỏ lớp cuối cùng khỏi mô hình.
Raises
- TypeError: Loại lỗi này được tạo ra nếu nó bao gồm một lớp duy nhất trong mô hình.