1回答

正十七

2020-03-08

不一样。

placeholder是tensorflow1.* 版本中用来给输入用的占位符，而sequential是tf.keras里用来包装模型用的，tf.keras在1.13之后被引入，在tf2.0里被主推。

看一个sequential的样例代码，

model = keras.models.Sequential([
    keras.layers.Flatten(input_shape=[28, 28]),
    keras.layers.Dense(300, activation='relu'),
    keras.layers.Dense(100, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])
# relu: y = max(0, x)
# softmax: 将向量变成概率分布. x = [x1, x2, x3], 
#          y = [e^x1/sum, e^x2/sum, e^x3/sum], sum = e^x1 + e^x2 + e^x3
# reason for sparse: y->index. y->one_hot->[]
model.compile(loss="sparse_categorical_crossentropy",
              optimizer = keras.optimizers.SGD(0.001),
              metrics = ["accuracy"])
history = model.fit(x_train, y_train, epochs=10,
                    validation_data=(x_valid, y_valid))

在我的另一门课《tensorflow2.0》中，有tensorflow 2.0使用的详细讲解，感兴趣可以关注一下：https://coding.imooc.com/class/344.html

0

0