Tensorflow入門(mén)項(xiàng)目實(shí)例

最近在deeplearning.ai上跟著做了幾個(gè)入門(mén)項(xiàng)目，受益匪淺，特記錄下來(lái)以便日后學(xué)習(xí)：

創(chuàng)新互聯(lián)長(zhǎng)期為數(shù)千家客戶(hù)提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為槐蔭企業(yè)提供專(zhuān)業(yè)的網(wǎng)站制作、做網(wǎng)站，槐蔭網(wǎng)站改版等技術(shù)服務(wù)。擁有十余年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

(一)預(yù)測(cè)房?jī)r(jià)，線(xiàn)性回歸

通過(guò)給出的房?jī)r(jià)市場(chǎng)價(jià)格，1個(gè)臥室的100k，2個(gè)臥室的150k。。。預(yù)測(cè)出7個(gè)臥室的房?jī)r(jià)。

只使用單神經(jīng)元結(jié)構(gòu)來(lái)預(yù)測(cè)房?jī)r(jià)，使用SGD優(yōu)化器。

單神經(jīng)元結(jié)構(gòu)：等價(jià)于線(xiàn)性結(jié)構(gòu)

， g=1(即線(xiàn)形激活函數(shù))。

SGD：隨機(jī)梯度優(yōu)化。

代碼：

import tensorflow as tf

import numpy as np

from tensorflow import keras

model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])]) *單神經(jīng)元units=1

model.compile(optimizer='sgd', loss='mean_squared_error') *每次迭代訓(xùn)練一個(gè)樣本且梯度下降運(yùn)行一次更新一次損失函數(shù)。

xs = np.array([1, 2, 3, 4, 5, 6]) * 房間數(shù)量

ys = np.array([1,1.5 ,2, 2.5, 3, 3.5]) *將房?jī)r(jià)特征縮放/100k，加快模型收斂速度

model.fit(xs, ys, epochs=500) *訓(xùn)練500次

print(model.predict([7])) *預(yù)測(cè)輸入為7的輸出...

結(jié)果：由于給出的樣本數(shù)量較小，訓(xùn)練500次后預(yù)測(cè)結(jié)果為399.8k,基本擬合出50k+50k*n的房?jī)r(jià)規(guī)則。

.

.

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) 手寫(xiě)數(shù)字辨認(rèn)， Deep NN結(jié)構(gòu)。

通過(guò)內(nèi)置的minist 60000訓(xùn)練集進(jìn)行訓(xùn)練。

要點(diǎn)：calback函數(shù)調(diào)用，達(dá)到目標(biāo)值即中斷訓(xùn)練。

DNN結(jié)構(gòu)

代碼：無(wú)錫婦科醫(yī)院 http://www.bhnnk120.com/

import tensorflow as tf

class myCallback(tf.keras.callbacks.Callback): *callback對(duì)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 *導(dǎo)入minist數(shù)據(jù)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)), *將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])

結(jié)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

新聞名稱(chēng)：Tensorflow入門(mén)項(xiàng)目實(shí)例
網(wǎng)站鏈接：http://bm7419.com/article30/psddpo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊(cè)、軟件開(kāi)發(fā)、用戶(hù)體驗(yàn)、標(biāo)簽優(yōu)化、網(wǎng)站收錄、品牌網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)