常常會遇到自定義網路結構的情況，自定結構後往往會有多個輸入，或者還需要自定義loss或者accuracy函式，那麼keras的fit就無法使用了，
因此需要自定義訓練步驟
下面則自定義一次batch的訓練步驟，包含了計算loss，accuracy和梯度下降。
tensorflow2.0 主推eager模式，那麼tf.gradienttape則是eager模式下的利器，自動計算梯度並傳遞
最後別忘了加@tf.function進行封裝，使train函式在tensorflow框架下加速執行
然後就可以把封裝好的train函式應用到每個batch data上，開始訓練
@tf.function
def train_step(input1, input2, target):
loss = 0
acc = 0
with tf.gradienttape() as tape: # 開啟自動梯度
predictions = model(input1, input2) # 獲取model中call函式的輸出
loss += loss_func(target, predictions) # 計算loss
acc += train_acc(target, predictions) # 計算accuracy
variables = model.trainable_variables # 獲取model的所有可訓練引數，好進行梯度更新
gradients = tape.gradient(loss, variables) # 將loss函式及可訓練引數傳入得到梯度
return loss, acc
tensorflow2 1安裝指南
開啟anconda prompt 建立conda虛擬環境 用create n 新建乙個名叫tf2.1的環境用python3.7版本 conda create n tf2.1 python 3.7 進入tensorflow2.1環境 conda activate tf2.1 安裝英偉達的sdk10.1...
tensorflow2 1的維度變換
函式的作用是將tensor變換為引數shape的形式，其中shape為乙個列表形式，特殊的一點是列表中可以存在 1 1代表的含義是不用我們自己指定這一維的大小，函式會自動計算，但列表只能存在乙個 1。如果存在多個 1，就是乙個存在多解的方程 a tf.random.normal 4 28,28 3 ...
TensorFlow2 1張量排序
排序函式tf.sort 用法 tf.sort values,axis 1 direction ascending name none 引數說明 排序的座標tf.argsort 返回張量的索引，該張量給出沿軸的排序順序。用法 tf.argsort values,axis 1 direction asc...