1、殘差連接是目前常用的組件，解決了大規(guī)模深度學(xué)習(xí)模型梯度消失和瓶頸問題。

通常，在10層以上的模型中追加殘差連接可能有幫助。

from keras import layers x = ... y = layers.Conv2D(128, 3, activation=’relu’, padding=’same’)(x)y = layers.Conv2D(128, 3, activation=’relu’, padding=’same’)(y)y = layers.MaxPooling2D(2, strides=2)(y) # 形狀不同，要做線性變換：residual = layers.Conv2D(128, 1, strides=2, padding=’same’)(x) # 使用 1×1 卷積，將 x 線性下采樣為與 y 具有相同的形狀 y = layers.add([y, residual])

2、標(biāo)準(zhǔn)化用于使模型看到的不同樣本更相似，有助于模型的優(yōu)化和泛化。

# Convconv_model.add(layers.Conv2D(32, 3, activation=’relu’))conv_model.add(layers.BatchNormalization()) # Densedense_model.add(layers.Dense(32, activation=’relu’))dense_model.add(layers.BatchNormalization())

3、深度可分離卷積層，在Keras中被稱為SeparableConv2D，其功能與普通Conv2D相同。

但是SeparableConv2D比Conv2D輕，訓(xùn)練快，精度高。

from tensorflow.keras.models import Sequential, Modelfrom tensorflow.keras import layers height = 64width = 64channels = 3num_classes = 10 model = Sequential()model.add(layers.SeparableConv2D(32, 3,activation=’relu’,input_shape=(height, width, channels,)))model.add(layers.SeparableConv2D(64, 3, activation=’relu’))model.add(layers.MaxPooling2D(2)) model.add(layers.SeparableConv2D(64, 3, activation=’relu’))model.add(layers.SeparableConv2D(128, 3, activation=’relu’))model.add(layers.MaxPooling2D(2)) model.add(layers.SeparableConv2D(64, 3, activation=’relu’))model.add(layers.SeparableConv2D(128, 3, activation=’relu’))model.add(layers.GlobalAveragePooling2D()) model.add(layers.Dense(32, activation=’relu’))model.add(layers.Dense(num_classes, activation=’softmax’)) model.compile(optimizer=’rmsprop’, loss=’categorical_crossentropy’)

Counter實例擴展：

from collections import Counterlist1 = [’a’,’b’,’c’,23,23,’a’,’d’,’b’,’e’]counter1 = Counter(list1)print(counter1)print(counter1[’a’])#1.1.1統(tǒng)計不同單詞的數(shù)目print(len(set(list1)))#1.1.2對統(tǒng)計結(jié)果進行分組 下面的方法表示分為4組，不填默認(rèn)全部分組，以列表#存儲，里面元素是tuple對象print(counter1.most_common(4))#1.1.3 elements()獲取Counter()生成對象的所有鍵名，重復(fù)的幾個會全部打印# 該方法返回一個迭代器對象keylist = counter1.elements()print(keylist)print(list(keylist))#1.1.4 update(x) 更新計數(shù)器 把x的內(nèi)容加入到原來計數(shù)器中#x可以作為字符串，列表，元組，集合，但是不能作為字典，純數(shù)字，否則報錯list2 = [’a’,’d’,’f’,’q’,2,3,2,3,4]print(counter1)counter1.update(list2)print(counter1)#1.1.5 substract(x) 更新計數(shù)器 把x代表的次數(shù)減少1，默認(rèn)減少1,(通過字典形式指定一次減少的個數(shù))#，不存在則減為-1，依次減，作用與update()相反counter1.subtract(’a’)print(counter1)counter1.subtract([’a’,’b’,2])print(counter1)

到此這篇關(guān)于Python高級架構(gòu)模式知識點總結(jié)的文章就介紹到這了,更多相關(guān)Python高級架構(gòu)模式的整理內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！