Model
Layer
关于layer的官方api:
https://www.tensorflow.org/api_docs/python/tf/keras/layers
优化器
tensorflow 2.x的优化器在tf.keras.optimizers包下
特征处理
keras的预训练模型
预训练模型都在tf.keras.applications路径下
损失函数
激活函数
metrics 评估标准
在 tf.keras.metrics 包下
函数:
- binary_accuracy:二分类评价函数
- categorical_accuracy:用于one-hot评价函数
- sparse_categorical_accuracy:与categorical_accuracy类似,但label是非one-hot
- top_k_categorical_accuracy
- sparse_top_k_categorical_accuracy
类:
MeanSquaredError(平方差误差,用于回归,可以简写为MSE,函数形式为mse)
MeanAbsoluteError (绝对值误差,用于回归,可以简写为MAE,函数形式为mae)
MeanAbsolutePercentageError (平均百分比误差,用于回归,可以简写为MAPE,函数形式为mape)
RootMeanSquaredError (均方根误差,用于回归)
Precision (精确率,用于二分类,Precision = TP/(TP+FP))
TruePositives (真正例,用于二分类)
TrueNegatives (真负例,用于二分类)
FalsePositives (假正例,用于二分类)
FalseNegatives (假负例,用于二分类)
AUC(ROC曲线(TPR vs FPR)下的面积,用于二分类,直观解释为随机抽取一个正样本和一个负样本,正样本的预测值大于负样本的概率)
CategoricalAccuracy(分类准确率,与Accuracy含义相同,要求y_true(label)为onehot编码形式)
SparseCategoricalAccuracy (稀疏分类准确率,与Accuracy含义相同,要求y_true(label)为序号编码形式)
MeanIoU (Intersection-Over-Union,常用于图像分割)
TopKCategoricalAccuracy (多分类TopK准确率,要求y_true(label)为onehot编码形式)
SparseTopKCategoricalAccuracy (稀疏多分类TopK准确率,要求y_true(label)为序号编码形式)
Mean (平均值)
Sum (求和)
tf.keras.backend 后台
其他
api参考文档
官方api
https://www.tensorflow.org/versions/r2.0/api_docs/python/tf/keras/Model
中文api:
https://keras.io/zh/
https://keras-cn.readthedocs.io/en/latest/
https://www.w3cschool.cn/tensorflow_python/tf_keras_activations_relu.html