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：(\(CTC\))

深度学习基础

原文：https://www.cnblogs.com/strategist-614/p/12964825.html