keras api目录

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:

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)

  • Accuracy 计算预测与标签的匹配程度(准确率)

  • Recall 召回率

  • 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


原文出处:/show_1EF4Aw0NQH80.html