最近在deeplearning.ai上跟著做了幾個入門項目，受益匪淺，特記錄下來以便日后學習：

專注于為中小企業(yè)提供成都做網(wǎng)站、成都網(wǎng)站設(shè)計、成都外貿(mào)網(wǎng)站建設(shè)服務(wù),電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業(yè)龍子湖免費做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動了近千家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設(shè)實現(xiàn)規(guī)模擴充和轉(zhuǎn)變。

(一)預(yù)測房價，線性回歸

通過給出的房價市場價格，1個臥室的100k，2個臥室的150k。。。預(yù)測出7個臥室的房價。

只使用單神經(jīng)元結(jié)構(gòu)來預(yù)測房價，使用SGD優(yōu)化器。

單神經(jīng)元結(jié)構(gòu)：等價于線性結(jié)構(gòu)

， g=1(即線形激活函數(shù))。

SGD：隨機梯度優(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') *每次迭代訓練一個樣本且梯度下降運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]) *將房價特征縮放/100k，加快模型收斂速度

model.fit(xs, ys, epochs=500) *訓練500次

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

結(jié)果：由于給出的樣本數(shù)量較小，訓練500次后預(yù)測結(jié)果為399.8k,基本擬合出50k+50k*n的房價規(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) 手寫數(shù)字辨認， Deep NN結(jié)構(gòu)。

通過內(nèi)置的minist 60000訓練集進行訓練。

要點：calback函數(shù)調(diào)用，達到目標值即中斷訓練。

DNN結(jié)構(gòu)

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

import tensorflow as tf

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

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

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)cdcxhl.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

分享名稱：Tensorflow入門項目實例-創(chuàng)新互聯(lián)
轉(zhuǎn)載注明：http://aaarwkj.com/article10/dihcgo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信公眾號、響應(yīng)式網(wǎng)站、Google、網(wǎng)站設(shè)計公司、網(wǎng)站排名、App開發(fā)

廣告

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