def改成class

Question

```c
def model_load(IMG_SHAPE=(224, 224, 3), class_num=10):
    # 搭建模型
    model = tf.keras.models.Sequential([
        # 对模型做归一化的处理，将0-255之间的数字统一处理到0到1之间
        tf.keras.layers.experimental.preprocessing.Rescaling(1. / 255, input_shape=IMG_SHAPE),

        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Conv2D(128, (3, 3), activation='elu',padding='SAME'),
        tf.keras.layers.MaxPooling2D((3, 3),padding='SAME',strides = 2),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Flatten(),
        # The same 128 dense layers, and 10 output layers as in the pre-convolution example:
        tf.keras.layers.Dense(128, activation='elu'),
        tf.keras.layers.Dense(64, activation='elu'),
        tf.keras.layers.Dense(32, activation='elu'),
        tf.keras.layers.Dense(16, activation='elu'),
        # 通过softmax函数将模型输出为类名长度的神经元上，激活函数采用softmax对应概率值
        tf.keras.layers.Dense(class_num, activation='softmax')
    ])
    model.summary()
    # 指明模型的训练参数，优化器为sgd优化器，损失函数为交叉熵损失函数
    model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
                  loss='categorical_crossentropy',
                  metrics=['accuracy'])


怎么把上面的改成class model（）：的

Answer 1

这不是直接开启套娃模式，外面包个class就行了？

class Model:
    def __init__(self,IMG_SHAPE=(224,224,3),class_num=10):
        #super.__init__() #如果需要继承父类某些成员需要加上
        self.IMG_SHAPE=IMG_SHAPE
        self.class_num=class_num
    def model_load(self):
        # 搭建模型
        model = tf.keras.models.Sequential([
            # 对模型做归一化的处理，将0-255之间的数字统一处理到0到1之间
            tf.keras.layers.experimental.preprocessing.Rescaling(1. / 255, input_shape=self.IMG_SHAPE),

            tf.keras.layers.Dropout(0.2),
            tf.keras.layers.Conv2D(128, (3, 3), activation='elu', padding='SAME'),
            tf.keras.layers.MaxPooling2D((3, 3), padding='SAME', strides=2),
            tf.keras.layers.Dropout(0.2),
            tf.keras.layers.Flatten(),
            # The same 128 dense layers, and 10 output layers as in the pre-convolution example:
            tf.keras.layers.Dense(128, activation='elu'),
            tf.keras.layers.Dense(64, activation='elu'),
            tf.keras.layers.Dense(32, activation='elu'),
            tf.keras.layers.Dense(16, activation='elu'),
            # 通过softmax函数将模型输出为类名长度的神经元上，激活函数采用softmax对应概率值
            tf.keras.layers.Dense(self.class_num, activation='softmax')
        ])
        model.summary()
        # 指明模型的训练参数，优化器为sgd优化器，损失函数为交叉熵损失函数
        model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
                      loss='categorical_crossentropy',
                      metrics=['accuracy'])
        return model