TensorFlow的 各模块关系keras、nn、metrics、model、Sequential、data.Dataset、keras.datasets

---

前言：

---

在使用tensorflow的函数时，对它整体API的结构比较模糊，搜索了一遍之后官方文档解答了我的疑惑，以下为小总结，如有错误欢迎指正。

 

一、tf 下面有三部分内容：模块、类、常用的函数

|--- tf
     |---- 大模块
            tf.nn，神经网络模块
            tf.keras，高阶API
            tf.math，数学工具模块
            tf.losses，计算误差
            tf.data，数据模块
            tf.random
            tf.summary，展示模块信息
            tf.train，训练函数
            tf.contrib，实验性质常变动的函数模块
            ....

     |--- 类
        Dtype
        Variable
        ...

     |--- 常用的函数
       tf.argmax()
       tf.add()
       tf.constant()
	   tf.one_hot()
       tf.cast()
       tf.reduce_mean()
       tf.square()
       ...

二、其中像比较常用的tf.keras中

tf,keras.datasets(下载数据集)
tf.keras.metrics（计算精度，评估性能）
tf.keras.layers


自定义层
tf.keras.layers.Layer
tf.keras.Squentital
tf.keras.Model

1. Model母类中有针对训练的函数

compile()，训练
network.compile(optimizer=optimizers.Adam(lr=0.01),
		loss=tf.losses.CategoricalCrossentropy(from_logits=True),
		metrics=['accuracy']
	)
	
fit()，训练期间测试
network.fit(db, epochs=5, validation_data=ds_val, validation_freq=2)

evaluate()，训练结束最终评估
network.evaluate(ds_val)

predict()，预测值

2. tf.metrics中测量三步走

1、生成测量器
acc_meter = metrics.Accuracy()
loss_meter = metrics.Mean()

2、喂数据
loss_meter.update_state(loss)
acc_meter.update_state(y, pred)

3、取结果
loss_meter.result().numpy()
acc_meter.result().numpy()

4、一个迭代之后重置
loss_meter.reset_states()
acc_meter.reset_states()

三、数据处理的tf.data.Dataset下的

tf.data.Dataset.from_tensor_slices()，切分数据
tf.data.Dataset.shuffle()，打散数据
tf.data.Dataset.map()，预处理
tf.data.Dataset.batch()，分批
tf.data.Dataset.repeat()，重复迭代

四、Tensorflow构建神经网络和全连接层常用的函数

---

1.数据集操作

• 数据加载,返回numpy类型的数据

(x_data,y_data),(x_test,y_test) = tf.keras.datasets.mnist.load_data()

• 数据预处理（类型转换。。）
• 打散、分批

---

2.搭建网络层

• 搭建线性神经网络层，获取输出

tf.keras.Squentital()

• 对输出数据进行tf.nn.softmax()，将数值映射到0-1，并且和为1（这是和tf.softmax的区别）

---

3.计算误差

• MSE：tf.losses.MSE()有时用MSE会出现梯度消失的情况，所以交叉熵也很好
• 交叉熵：tf.losses.categorical_cossentropy()，交叉熵越小，说明信息量越大，不可知的东西多，既误差很大

---

推荐：Tensorflow的龙良曲老师GitHub

---

老师讲的很好，资料很全，能让自己学习更清晰

 

本文参考：

tensorflow的官方文档

一文读懂TensorFlow 2.0高阶API

TensorFlow 的常用模块介绍