温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Tensorflow 入门项目实例

发布时间:2020-04-28 15:00:33 来源:网络 阅读:565 作者:ckllf 栏目:编程语言

  最近在deeplearning.ai上跟着做了几个入门项目,受益匪浅,特记录下来以便日后学习:

  (一)预测房价,线性回归

  通过给出的房价市场价格,1个卧室的100k,2个卧室的150k。。。预测出7个卧室的房价。

  只使用单神经元结构来预测房价,使用SGD优化器。

  

Tensorflow 入门项目实例


  单神经元结构:等价于线性结构

  

Tensorflow 入门项目实例


  , g=1(即线形激活函数)。

  SGD:随机梯度优化。

  代码:

  import tensorflow as tf

  import numpy as np

  from tensorflow import keras

  model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])]) *单神经元units=1

  model.compile(optimizer='sgd', loss='mean_squared_error') *每次迭代训练一个样本且梯度下降运行一次更新一次损失函数。

  xs = np.array([1, 2, 3, 4, 5, 6]) * 房间数量

  ys = np.array([1,1.5 ,2, 2.5, 3, 3.5]) *将房价特征缩放/100k,加快模型收敛速度

  model.fit(xs, ys, epochs=500) *训练500次

  print(model.predict([7])) *预测输入为7的输出...

  结果:由于给出的样本数量较小,训练500次后预测结果为399.8k,基本拟合出50k+50k*n的房价规则。

  .

  .

  Epoch 497/500

  6/6 [==============================] - 0s 509us/sample - loss: 1.3851e-06

  Epoch 498/500

  6/6 [==============================] - 0s 325us/sample - loss: 1.3749e-06

  Epoch 499/500

  6/6 [==============================] - 0s 305us/sample - loss: 1.3649e-06

  Epoch 500/500

  6/6 [==============================] - 0s 388us/sample - loss: 1.3549e-06

  [[3.998321]]

  (二) 手写数字辨认, Deep NN结构。

  通过内置的minist 60000训练集进行训练。

  要点:calback函数调用,达到目标值即中断训练。

  DNN结构


  代码:无锡妇科医院 http://www.bhnnk120.com/

  import tensorflow as tf

  class myCallback(tf.keras.callbacks.Callback): *callback对象

  def on_epoch_end(self, epoch, logs={}):

  if(logs.get('acc')>0.99):

  print("\nReached 99% accuracy so cancelling training!")

  self.model.stop_training = True

  mnist = tf.keras.datasets.mnist *导入minist数据集

  (x_train, y_train),(x_test, y_test) = mnist.load_data()

  x_train, x_test = x_train / 255.0, x_test / 255.0

  callbacks = myCallback()

  model = tf.keras.models.Sequential([

  tf.keras.layers.Flatten(input_shape=(28, 28)), *将28*28像素列表化

  tf.keras.layers.Dense(512, activation=tf.nn.relu),

  tf.keras.layers.Dense(10, activation=tf.nn.softmax)

  ])

  model.compile(optimizer='adam',

  loss='sparse_categorical_crossentropy',

  metrics=['accuracy'])

  model.fit(x_train, y_train, epochs=10, callbacks=[callbacks])

  结果:

  Epoch 1/10

  60000/60000 [==============================] - 7s 119us/sample - loss: 0.2020 - acc: 0.9411

  Epoch 2/10

  60000/60000 [==============================] - 7s 116us/sample - loss: 0.0803 - acc: 0.9753

  Epoch 3/10

  60000/60000 [==============================] - 7s 124us/sample - loss: 0.0536 - acc: 0.9833

  Epoch 4/10

  60000/60000 [==============================] - 7s 122us/sample - loss: 0.0373 - acc: 0.9879

  Epoch 5/10

  59872/60000 [============================>.] - ETA: 0s - loss: 0.0264 - acc: 0.9919

  Reached 99% accuracy so cancelling training!

  60000/60000 [==============================] - 7s 125us/sample - loss: 0.0263 - acc: 0.9920


向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI