系列【2】CycleGAN-Tensorflow2.0神经网络层级集成、网络模型的编译

前言：

	要进入CycleGan-tensorflow2.0实战之前，我们先对Tensorflow2.0-API熟悉熟悉。

tf.keras.sequential

Sequential是一个方法类。可以帮助我们堆叠神经网络层的方式集成构建一个复杂的神经网络。帮助我们快速实现模型网络层级集成、模型编译、训练、保存以及模型的加载和预测

1.1 神经网络层级集成

import  tensorflow as tf 
model =tf.keras.Sequential()

model.add(tf.keras.layers.Dense(256,activation='rule'))
model.add(tf.keras.layer.Dense(128,activation='relu'))
model.add(tf.keras.layer.Dense(2,activation='softmax'))

1.2 神经网络模型的编译

在完成神经网络层级的集成之后需要对模型进行编译，只有在编译之后才能对模型进行训练。此处的编译主要是指：将高阶的API转换成可以直接运行的低阶API，大家可以对比以下高级开发语言的编译。Sequential().compil() 提供了神经网络模型的编译功能

model.compile(loss='sparse_categorical_crossentropy',optimizer=tf.keras.optimizers.Adam(0.01),metrics=['accuracy']

在compile方法里需要定义三个参数，分别是loss|optimizer和metrics .

loss配置模型的损失函数

optimizer配置模型优化器

metrics配置模型评价的方法