tf.keras是TensorFlow 2.0最主要的高階API接口，為TensorFlow的代碼提供了新的風(fēng)格和設(shè)計模式，大大提升了TF代碼的簡潔性和復(fù)用性，也間接地提供了TF開發(fā)的規(guī)范。本文介紹了TensorFlow官網(wǎng)提供的最新的tf.keras指南。

TensorFlow 1.x以靜態(tài)圖為主，網(wǎng)上主流的TF代碼編寫主要是面向過程的（函數(shù)為主），在引入tf.keras之后，TensorFlow官方就開始推薦tf.keras里各種面向?qū)ο蟮?a href="http://hljzzgx.com/v/tag/1315/" target="_blank">編程風(fēng)格，從層到模型都是類和對象，大大簡化了代碼的簡潔性和復(fù)用性，也間接地提供了TF開發(fā)的規(guī)范。

Keras作者Fran?ois Chollet在Twitter轉(zhuǎn)發(fā)了TensorFlow官方最新tf.keras指南，本文大概介紹一下該指南中比較重要的內(nèi)容。

本指南的內(nèi)容大致如下：

Keras Functional API

訓(xùn)練和評價

利用繼承構(gòu)建層和模型

保存和序列化模型

Keras Functional API

指南地址：

https://www.tensorflow.org/alpha/guide/keras/functional

內(nèi)容概要：

Keras中網(wǎng)絡(luò)層的定義和調(diào)用，例如如何用指定的參數(shù)來定義一個全連接層，然后用定義的層來變換輸入數(shù)據(jù)。

Keras模型的定義和調(diào)用，包括模型自帶的訓(xùn)練和評價函數(shù)。

Keras層測復(fù)用

網(wǎng)絡(luò)中間層信息的提取和復(fù)用

自定義Keras層

Functional API的優(yōu)點和缺點

Functional API和Subclassing API（繼承式）混寫

另外，用內(nèi)置的函數(shù)可以直接可視化網(wǎng)絡(luò)結(jié)構(gòu)了：

訓(xùn)練和評價

指南地址：

https://www.tensorflow.org/alpha/guide/keras/training_and_evaluation

內(nèi)容概要：

Keras模型內(nèi)置的訓(xùn)練和評價Loop

自定義損失函數(shù)

用tf.data.Datasets作為輸入

其它輸入格式，如Pandas

采樣和類別權(quán)重

多輸入和多輸出

回調(diào)函數(shù)

斷點

學(xué)習(xí)率規(guī)劃

用TensorBoard可視化損失

利用繼承構(gòu)建層和模型

指南地址：

https://www.tensorflow.org/alpha/guide/keras/custom_layers_and_models

內(nèi)容概要：

Keras層封裝狀態(tài)（權(quán)重）和計算

權(quán)重延遲構(gòu)造（延遲到輸入形狀已知時）

遞歸構(gòu)造Keras層

Keras層在前向傳播時遞歸收集損失

可選啟用序列化Keras層

call方法中的training參數(shù)

端到端地構(gòu)建一個模型

保存和序列化模型

指南地址：

https://www.tensorflow.org/alpha/guide/keras/saving_and_serializing

內(nèi)容概要：

保存整個模型

導(dǎo)出到SavedModel

僅保存結(jié)構(gòu)

僅保存權(quán)重

在SavedModel格式下僅保存權(quán)重

保存繼承的模型