Ⅰ 【TF2.1學習筆記8】Sequential六步法
本講內容介紹如何使用keras.Sequential構建神經網路模型及訓練方法。遵循以下六步法，實現模型搭建與訓練。
第一步，初始化模型：使用`model=tf.keras.Sequential()`搭建無拓撲結構神經網路。常見的網路層包括：卷積層、池化層、全連接層等。
第二步，配置訓練方式：調用`model.compile()`函數，指定優化器、損失函數及評估指標。例如，選擇優化器為'Adam'，損失函數為'binary_crossentropy'，同時設置准確率為評估指標。
第三步，訓練模型：通過`model.fit()`函數進行模型訓練。輸入訓練集的特徵與標簽，設置批大小、訓練周期數以及驗證數據。驗證數據可通過`validation_data`或`validation_split`指定，選擇其一。
第四步，模型概覽：使用`model.summary()`命令列印模型結構與參數數量，便於理解模型復雜度。
第五步，實踐應用：通過具體示例，驗證上述方法的實際操作流程，包括數據預處理、模型構建、訓練與評估。