Python tf.keras.experimental.LinearModel用法及代碼示例

參數

• units 正整數，沒有批量大小的輸出維度。
• activation 要使用的激活函數。如果您不指定任何內容，則不會應用激活。
• use_bias 是否計算此模型的偏差/截距。如果設置為 False，則不會在計算中使用偏差/截距，例如，數據已經居中。
• kernel_initializer kernel 權重矩陣的初始化程序。
• bias_initializer 偏置向量的初始化器。
• kernel_regularizer 核向量的正則化器。
• bias_regularizer 偏置向量的正則化器。
• **kwargs 傳遞給 BaseLayer 的關鍵字參數。在裏麵.

屬性

• distribute_strategy 該模型是在 tf.distribute.Strategy 下創建的。
• layers
• metrics_names 返回所有輸出的模型顯示標簽。

  注意：metrics_names 僅在 keras.Model 已根據實際數據進行訓練/評估後可用。

  inputs = tf.keras.layers.Input(shape=(3,))
  outputs = tf.keras.layers.Dense(2)(inputs)
  model = tf.keras.models.Model(inputs=inputs, outputs=outputs)
  model.compile(optimizer="Adam", loss="mse", metrics=["mae"])
  model.metrics_names
  []

  x = np.random.random((2, 3))
  y = np.random.randint(0, 2, (2, 2))
  model.fit(x, y)
  model.metrics_names
  ['loss', 'mae']

  inputs = tf.keras.layers.Input(shape=(3,))
  d = tf.keras.layers.Dense(2, name='out')
  output_1 = d(inputs)
  output_2 = d(inputs)
  model = tf.keras.models.Model(
     inputs=inputs, outputs=[output_1, output_2])
  model.compile(optimizer="Adam", loss="mse", metrics=["mae", "acc"])
  model.fit(x, (y, y))
  model.metrics_names
  ['loss', 'out_loss', 'out_1_loss', 'out_mae', 'out_acc', 'out_1_mae',
  'out_1_acc']

• run_eagerly 指示模型是否應立即運行的可設置屬性。

  即刻地運行意味著您的模型將像 Python 代碼一樣逐步運行。您的模型可能會運行得更慢，但通過單步調用各個層調用，您應該可以更輕鬆地對其進行調試。

  默認情況下，我們將嘗試將您的模型編譯為靜態圖以提供最佳執行性能。