Объедините tf.keras.layers с низкоуровневым API Tensorflow - PullRequest
Новая
       13

Объедините tf.keras.layers с низкоуровневым API Tensorflow

3 голосов
/ 30 марта 2019

Могу ли я объединить tf.keras.layers с тензорным потоком низкого уровня?

код неверен, но я хочу сделать что-то подобное: создать заполнители, которые позже будут снабжены данными (в tf.Session ()), и передать эти данные в мою модель 

X, Y = create_placeholders(n_x, n_y)

output = create_model('channels_last')(X)

cost = compute_cost(output, Y)

1 Ответ

3 голосов
/ 30 марта 2019

Да, это то же самое, что и tf.layers.dense(). Использование tf.keras.layers.Dense() на самом деле является предпочтительным способом в новейшей версии tenorflow 1.13 (tf.layers.dense() не рекомендуется). Например 


import tensorflow as tf
import numpy as np

x_train = np.array([[-1.551, -1.469], [1.022, 1.664]], dtype=np.float32)
y_train = np.array([1, 0], dtype=int)

x = tf.placeholder(tf.float32, shape=[None, 2])
y = tf.placeholder(tf.int32, shape=[None])

with tf.name_scope('network'):
    layer1 = tf.keras.layers.Dense(2, input_shape=(2, ))
    layer2 = tf.keras.layers.Dense(2, input_shape=(2, ))
    fc1 = layer1(x)
    logits = layer2(fc1)

with tf.name_scope('loss'):
    xentropy = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y, logits=logits)
    loss_fn = tf.reduce_mean(xentropy)

with tf.name_scope('optimizer'):
    optimizer = tf.train.GradientDescentOptimizer(0.01)
    train_op = optimizer.minimize(loss_fn)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    loss_val = sess.run(loss_fn, feed_dict={x:x_train, y:y_train})
    _ = sess.run(train_op, feed_dict={x:x_train, y:y_train})
...