如何使用 Tensorflow 和鲍鱼数据集构建顺序模型?
pythonserver side programmingprogrammingtensorflow
可以使用"Sequential"方法在 Keras 中构建顺序模型。此方法中指定了层的数量和类型。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用鲍鱼数据集，其中包含一组鲍鱼测量值。鲍鱼是一种海蜗牛。目标是根据其他测量结果预测年龄。
我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，无需配置，并且可以免费访问 GPU(图形处理单元)。 Colaboratory 已在 Jupyter Notebook 上构建。
print("正在构建顺序模型")
abalone_model = tf.keras.Sequential([
layers.Dense(64),
layers.Dense(1)
])
abalone_model.compile(loss = tf.losses.MeanSquaredError(),optimizer = tf.optimizers.Adam())
print("正在将数据拟合到模型中")
abalone_model.fit(abalone_features, abalone_labels, epochs=10)
代码来源:https://www.tensorflow.org/tutorials/load_data/csv
输出
正在构建顺序模型 正在将数据拟合到模型中 Epoch 1/10 104/104 [==============================] - 0s 963us/step - loss: 84.2213 Epoch 2/10 104/104 [==============================] - 0s 924us/step - loss: 16.0268 Epoch 3/10 104/104 [==============================] - 0s 860us/step - loss: 9.4125 Epoch 4/10 104/104 [==============================] - 0s 898us/step - loss: 8.9159 Epoch 5/10 104/104 [==============================] - 0s 912us/step - loss: 7.9076 Epoch 6/10 104/104 [==============================] - 0s 936us/step - loss: 6.8316 Epoch 7/10 104/104 [==============================] - 0s 992us/step - loss: 7.1021 Epoch 8/10 104/104 [==============================] - 0s 1ms/step - loss: 7.0550 Epoch 9/10 104/104 [==============================] - 0s 1ms/step - loss: 6.2762 Epoch 10/10 104/104 [==============================] - 0s 883us/step - loss: 6.5584 <tensorflow.python.keras.callbacks.History at 0x7fda82a35160>
解释
- 建立一个回归模型来预测鲍鱼数据集的"Age"列。
- 建立一个顺序模型，因为只有一个输入张量。
- 编译(训练)模型，然后将特征和标签传递给"Model.fit"方法。
