Keras深度学习入坑指南--残差卷积实现MNIST识别

Keras深度学习入坑指南–残差卷积实现MNIST识别

P149
利用已有的卷积层已经能很好的达到目标，使得准确率在0.98以上，这个是一个非常不错的准确率。为了等到更好的准确率，我们建立一个short-cut，即数据通路，使得输入的数据和经过卷积计算后的数据连接在一起，从而解决卷积层在层数过多的情况下出现梯度下降或者梯度小时的问题。、

import tensorflow as tf
from tensorflow import keras
config = tf.compat.v1.ConfigProto()
config.gpu_options.allow_growth = True
keras.backend.tensorflow_backend.set_session(tf.Session(config=config))

#下面使用MNIST数据集
import numpy as np

mnist = tf.keras.datasets.mnist
    #需要等待TensorFlow自动下载MNIST
(x_train,y_train),(x_test,y_test) = mnist.load_data()
    #下载MNIST数据库

x_train,x_test = x_train/255.0,x_test/255.0
x_train = tf.expand_dims(x_train,-1)
y_train = np.float32(tf.keras.utils.to_categorical(y_train,num_classes=10))
x_test = tf.expand_dims(x_test,-1)
y_test = np.float32(tf.keras.utils.to_categorical(y_test,num_classes=10))
batch_size=512
train_dataset = tf.data.Dataset.from_tensor_slices((x_train,y_train)).batch(batch_size).shuffle(batch_size * 10)
test_dataset = tf.data.Dataset.from_tensor_slices((x_test,y_test)).batch(batch_size)


class MyLayer(tf.keras.layers.Layer):
    def __init__(self,kernel_size=32,filter=3):
        super(MyLayer,self).__init__()
        self.filter = filter
        self.kernel_size = kernel_size
    def build(self,input_shape):
        self.weight = tf.Variable(tf.random.normal([self.kernel_size,self.kernel_size,input_shape[-1],self.filter]),name='myweight')
        self.bias = tf.Variable(tf.random.normal([self.filter]),name='mybias')
        super(MyLayer,self).build(input_shape)
    def call(self,input_tensor):
        conv = tf.nn.conv2d(input_tensor, self.weight, strides=[1,2,2,1],padding = 'SAME',name='myconv')
        conv = tf.nn.bias_add(conv,self.bias)
        out = tf.nn.relu(conv) + conv
        return out
input_xs = tf.keras.Input([28,28,1])
conv = tf.keras.layers.Conv2D(32,3,padding='SAME',activation=tf.nn.relu)(input_xs)
#使用自定义的层替换TensorFlow的卷积层
conv = MyLayer(32,3)(conv)
conv = tf.keras.layers.BatchNormalization()(conv)
flat = tf.keras.layers.Flatten()(conv)
dense = tf.keras.layers.Dense(512,activation=tf.nn.relu)(flat)
logits = tf. keras.layers.Dense(10,activation=tf.nn.softmax)(dense)

model = tf.keras.Model(inputs=input_xs,outputs=logits)
model.compile(optimizer=tf.optimizers.Adam(1e-3),loss=tf.losses.categorical_crossentropy,metrics = ['accuracy'])
model.fit(train_dataset,epochs=10)
    #model.save("./saver/model.h5")
score = model.evaluate(test_dataset)
print("last score:",score)

遇到的问题：

 File "C:/Users/22781/PycharmProjects/pythonProject4/main.py", line 6, in 
    keras.backend.tensorflow_backend.set_session(tf.Session(config=config))
AttributeError: module 'tensorflow_core.python.keras.api._v2.keras.backend' has no attribute 'tensorflow_backend'

引起原因：
网络上多数说是版本不兼容问题。
尝试方案：
改动版本后仍然报错。
解决方案
目前还没有