如何使用 TensorFlow 将模型拟合到 Auto MPG 数据集?
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。这个流图称为“数据流图”。张量只不过是多维数组或列表。
回归问题的目标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,并且无需任何配置即可免费访问 GPU(图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。以下是代码片段:
示例
print("The training data is being fit to the model ") history = hrspwr_model.fit( train_features['Horsepower'], train_labels, epochs=150, verbose=0, validation_split = 0.3) hist = pd.DataFrame(history.history) hist['epoch'] = history.epoch hist.tail()
代码来源 - https://tensorflowcn.cn/tutorials/keras/regression
输出
Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.
解释
使用“fit”函数将数据拟合到模型。
使用“epochs”属性设置步骤数。
“history”对象存储与输入数据关联的统计信息的进度。
将其转换为数据框。
在控制台上显示数据样本。
数据也进行了可视化。
广告