数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何使用 TensorFlow 在 Auto MPG 数据集上构建一个顺序模型？
Tensorflow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用，可以实现算法、深度学习应用程序等等。它用于研究和生产目的。
可以使用以下代码行在 Windows 上安装“tensorflow”包：
pip install tensorflow
张量是 TensorFlow 中使用的一种数据结构。它有助于连接流图中的边。这个流图被称为“数据流图”。张量只不过是多维数组或列表。它们可以使用三个主要属性来识别：
秩 - 它表示张量的维度。可以理解为张量的阶数或已定义张量的维度数。
类型 - 它表示与张量元素关联的数据类型。它可以是一维、二维或 n 维张量。
形状 - 它是行数和列数的总和。
回归问题的目的是预测连续或离散变量的输出，例如价格、概率、是否会下雨等等。我们使用的数据集称为“Auto MPG”数据集。它包含 1970 年代和 1980 年代汽车的燃油效率。它包括重量、马力、排量等属性。有了这些，我们需要预测特定车辆的燃油效率。
我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置，并可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是代码片段：
示例
def build_compile_model(norm):
model = keras.Sequential([
norm,
layers.Dense(64, activation='relu'),
layers.Dense(64, activation='relu'),
layers.Dense(1)
])
model.compile(loss='mean_absolute_error',
optimizer=tf.keras.optimizers.Adam(0.001))
return model
print("The model is being built and compiled")
dnn_horsepower_model = build_compile_model(horsepower_normalizer)
print("The statistical summary is being computed")
dnn_horsepower_model.summary()代码来源 - https://tensorflowcn.cn/tutorials/keras/regression
输出
解释
定义了一个名为“build_compile_model”的函数，该函数构建一个顺序模型并生成三个密集层。
模型被编译，并作为函数的输出返回。
使用“summary”方法在控制台上显示模型的统计分析。
更新于：2021年1月20日
113 次查看
广告