为简单起见,我将在keras和tf.keras中使用两个版本的代码。这里的示例是一个简单的神经网络模型,其中包含不同的层。
在Keras(v2.1.5)
from keras.models import Sequential
from keras.layers import Dense
def get_model(n_x, n_h1, n_h2):
model = Sequential()
model.add(Dense(n_h1, input_dim=n_x, activation='relu'))
model.add(Dense(n_h2, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4, activation='softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
return model
在tf.keras (v1.9)中
import tensorflow as tf
def get_model(n_x, n_h1, n_h2):
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(n_h1, input_dim=n_x, activation='relu'))
model.add(tf.keras.layers.Dense(n_h2, activation='relu'))
model.add(tf.keras.layers.Dropout(0.5))
model.add(tf.keras.layers.Dense(4, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
return model
或者可以通过以下方式而不是上述方式导入
from tensorflow.keras.layers import Dense
tf.keras的官方文档
注意:TensorFlow版本为1.9
0
我收到以下错误
我该如何解决?
注意:我正在使用Tensorflow 1.4版