文件名称：Keras_CIFAR-10_Functional函数式模型
文件大小：163.15MB
文件格式：ZIP
更新时间：2022-01-27 08:43:04
CIFAR-10 Keras TensorFlow
已经讲到，Keras在构建模型方面，尤其是串联结构的模型时，使用Sequential无疑是一种比较好的选择，但是随着深度学习的不断发展，面对多种多样的模型，尤其是像GoogleNet等带有Inception结构的模型，仅仅是并联的结构是无法满足实际的需要，这种并联的网络结构往往对应着多个输出，这种时候我们往往需要选择更加通用的Functional模型，因为其的广泛性与通用性，在很多开源项目上面使用的就是这种以Model为类名的函数式模型。 本篇将会以CIFAR-10数据集的一系列操作为时间线，来学习Functional模型。https://blog.csdn.net/qq_37972530/article/details/85873949
【文件预览】：
Keras_Functional
----cifar-10-batches-py.tar.gz(162.6MB)
----logtrain_weights.h5(73KB)
----log()
--------events.out.tfevents.1546839673.DESKTOP-8MU0R8B(370KB)
----logep001-loss1.339-val_loss1.294.h5(73KB)
----logep009-loss1.374-val_loss1.319.h5(73KB)
----logep006-loss1.431-val_loss1.377.h5(73KB)
----logep005-loss1.455-val_loss1.391.h5(73KB)
----logep010-loss1.355-val_loss1.293.h5(73KB)
----logep008-loss1.260-val_loss1.205.h5(73KB)
----cifar-10_Functional.py(4KB)
----logep002-loss1.565-val_loss1.521.h5(73KB)
----logep003-loss1.527-val_loss1.461.h5(73KB)
----logep007-loss1.271-val_loss1.215.h5(73KB)
----logep004-loss1.491-val_loss1.446.h5(73KB)