Tensorflow tf.keras.layers.xx能否独立于tf.keras.Sequential或Model使用?
在Tensorflow中,一些模块中的许多函数已被弃用。建议使用Tensorflow tf.keras.layers.xx能否独立于tf.keras.Sequential或Model使用?,tensorflow,tf.keras,Tensorflow,Tf.keras,在Tensorflow中,一些模块中的许多函数已被弃用。建议使用tf.keras.layers中的。通过将它们与tf.keras.Sequential(Sequential)或tf.keras.Model(Model)关联,提供了使用它们的示例。我想知道是否可以在tf.keras.layer中使用某些类(例如,稠密、Conv1D等)而不使用Sequential或Model 以前,我的代码中使用了以下内容: gru = tf.contrib.rnn.GRUCell(d) states, outpu
tf.keras.layers
中的。通过将它们与tf.keras.Sequential(Sequential)
或tf.keras.Model(Model)
关联,提供了使用它们的示例。我想知道是否可以在tf.keras.layer中使用某些类(例如,稠密、Conv1D等)
而不使用Sequential
或Model
以前,我的代码中使用了以下内容:
gru = tf.contrib.rnn.GRUCell(d)
states, output = tf.nn.dynamic_rnn(gru, inputs)
由于tf.contrib.rnn
和tf.nn.dynamic\u rnn
都已被弃用,我想知道是否可以用以下命令替换它们,而无需在代码中添加Sequential
或Model
gru = tf.keras.layers.GRUCell(d)
states, output = keras.layers.RNN(gru)(inputs)
我想知道是否可以在tf.keras.layers中使用某些类(例如,稠密、Conv1D等),而不使用顺序或模型
是的,当然是。我们可以通过这样做直接“调用”层,例如:
layer_示例=tf.keras.layers.density(2,输入_形状=(-1,24))
示例_张量=tf.random.uniform(形状=(2,24))
层示例(示例张量)
请注意,我们首先使用tf.keras.layers.densed
创建layer类的实例,然后使用layer\u示例(example\u tensor)
我们还可以(当然)将其扩展到GRU示例。大概是这样的:
example_tensor = tf.random.uniform(shape=(2, 24, 12))
gru = tf.keras.layers.GRUCell(2)
states, output = tf.keras.layers.RNN(gru)(example_tensor)
我想知道是否可以在tf.keras.layers中使用某些类(例如,稠密、Conv1D等),而不使用顺序或模型
是的,当然是。我们可以通过这样做直接“调用”层,例如:
layer_示例=tf.keras.layers.density(2,输入_形状=(-1,24))
示例_张量=tf.random.uniform(形状=(2,24))
层示例(示例张量)
请注意,我们首先使用tf.keras.layers.densed
创建layer类的实例,然后使用layer\u示例(example\u tensor)
我们还可以(当然)将其扩展到GRU示例。大概是这样的:
example_tensor = tf.random.uniform(shape=(2, 24, 12))
gru = tf.keras.layers.GRUCell(2)
states, output = tf.keras.layers.RNN(gru)(example_tensor)