百度统计手机app,百度seo关键词优化公司,百度一下你就知道手机版,襄阳网站建设制作费用前面说了自定义的层#xff0c;接下来自定义模型#xff0c;我们以下图为例子 这个模型没啥意义#xff0c;单纯是为了写代码实现这个模型
首先呢#xff0c;我们看有几个部分#xff0c;dense不需要我们实现了#xff0c;我们就实现Res#xff0c;为了实现那个*3,我们…前面说了自定义的层接下来自定义模型我们以下图为例子 这个模型没啥意义单纯是为了写代码实现这个模型
首先呢我们看有几个部分dense不需要我们实现了我们就实现Res为了实现那个*3,我们注意这个res可能需要多个res堆叠。
class ResBlock(keras.layers.Layer):def __init__(self, n_layers, n_neurons, **kwargs):super().__init__(**kwargs)self.hidden [keras.layers.Dense(n_neurons,activationelu,kernel_initializerhe_normal)for _ in range(n_layers)]def call(self, inputs):Z inputsfor layer in self.hidden:Z layer(Z)return inputs Z
这样我们就能实现一个可以循环的Res了call是必须的因为在计算的时候需要它
如果我们写得再详细一点可能要加入built如果需要保存和加载模型我们需要get_congit和save_congit,总之基本的样子就是如此。
为了防止搞错解释以下为什么没有使用built是为了偷懒。
下面我们构建模型的时候会指定输入的维度其实再通用的情况下我们根本不知道输入的维度built会自动推断输入维度所有本来应该写个built的但是睡觉时间到了。
然后我们基于上面的自定义层实现左边的模型
def ResModel(keras.Model):def __init__(self, out, **kwargs):super().__init__(*kwargs)self.hidden1 keras,layers,Dense(30, activationelu, kernel_initializerhe_normal)self.block1 ResBlock(2,10)self.block2 ResBlock(2,20)self.out keras,layers,Dense(out)def call(self, inputs):Z self.hidden1(inputs)for _ in range(4):Z self.block1(Z)Z self.block2(Z)return self.out(Z) 我觉得在此以及无需多言了。睡觉睡觉。
