Question

我试图从下面的代码中找出一个简单的for循环，以便为基本tensorflow神经网络向该神经网络添加更多隐藏层：

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
          loss='sparse_categorical_crossentropy',
          metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

通常我会继续更改以下代码：

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

并添加更多图层。密度如下：

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(64, activation='relu'),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(256, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

是否可以创建一个简单的for循环，在其中可以输入所需的隐藏层数？

Answer 1

首先，创建一个list对象，并向其中添加一个Flatten层。

layers = list()
layers.add( tf.keras.layers.Flatten() )

现在，我们使用循环语句添加n层，数量为Dense。

units = [ 64 , 128 , 256 ]

for i in range( n ):
    layers.add( tf.keras.layers.Dense( units[i] , activation='relu' ) )

n可以是任何正整数。

试图了解如何使用for循环向神经网络添加更多隐藏层

1 个答案: