畅游人工智能之海--Keras教程之后端工具(一)
畅游人工智能之海--Keras教程之后端工具(一)
今天我们要开始学习Keras的后端函数。
首先我们要了解什么是后端。Keras依赖于一个专门的、优化的张量操作库来完成一系列操作,它可以作为Keras的后端引擎。相比单独地选择一个张量库,而将Keras的实现与该库相关联,Keras以模块方式解决这个问题,它可以将几个不同的后端引擎无缝嵌入到Keras中。
目前,Keras有三个后端实现可用:TensorFlow后端、Theano后端和CNTK后端。可以通过手动操作对后端进行切换,这里不再赘述。
以下我们来学习Keras的后端函数。
clear_session函数
1 | tf.keras.backend.clear_session() |
该函数可以重置Keras生成的所有状态。
Keras管理全局状态,该状态用于实现功能模型构建API并统一自动生成的图层名称。
它可以销毁当前的TF图并创建一个新图。有利于避免旧模型/网络层混乱。
例子:
1 | # 例1:clear_session()在循环中创建模型时调用 |
floatx函数
1 | tf.keras.backend.floatx() |
该函数以字符串形式返回默认的float类型。
例如‘float16’,‘float32’,‘float64’
返回值:
String类型,当前的默认浮点类型。
例子:
1 | tf.keras.backend.floatx() |
set_floatx函数
1 | tf.keras.backend.set_floatx( |
该函数设置默认的浮点类型。
注意:建议不要将其设置为float16进行训练,因为这可能会导致数值稳定性问题。另外,可以通过调用tf.keras.mixed_precision.experimental.set_policy('mixed_float16')来混合使用float16和float32的混合精度。
例子:
1 | tf.keras.backend.floatx() |
注意:如果输入值无效时,报错:“ValueError”
image_data_format函数
1 | tf.keras.backend.image_data_format() |
返回默认的图像数据格式约定。
返回值:
String类型,‘channels_first’或者‘channels_last’
例子:
1 | tf.keras.backend.image_data_format() |
set_image_data_format函数
1 | tf.keras.backend.set_image_data_format( |
设置图像数据格式约定。
例子:
1 | tf.keras.backend.image_data_format() |
注意:如果输入值无效时,报错:“ValueError”
明天我们将继续展开对后端函数的学习,谢谢大家的观看!