深度学习基础
基础
2D张量:密集链接层、全连接层(Dense类)
3D张量:循环层(LSTM层)
4D张量 (图像数据):二维卷积层(Conv2D)
具体操作:
1、定义训练数据:input
,output
2、定义层组成网络
3、配置学习过程,选择损失函数、优化器和需要监控的目标
4、调用 \(fit\) 方法进行迭代
定义模型:
- 使用 \(Sequential\) 类(仅用于层的线性堆叠)
- 函数式 \(API\) (层组成有向无环图,构建任意形式架构)
\(loss\) 使用:
二分类问题:(\(binarycrossentropy\))
多分类问题:(\(categoricalcrossentropy\))
回归问题:(\(mean-squarederror\))
序列学习:(\(CTC\))