資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學如何使用 TensorFlow 在 Auto MPG 資料集上構建一個順序模型？
Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用，可以實現演算法、深度學習應用程式等等。它用於研究和生產目的。
可以使用以下程式碼行在 Windows 上安裝“tensorflow”包：
pip install tensorflow
張量是 TensorFlow 中使用的一種資料結構。它有助於連線流圖中的邊。這個流圖被稱為“資料流圖”。張量只不過是多維陣列或列表。它們可以使用三個主要屬性來識別：
秩 - 它表示張量的維度。可以理解為張量的階數或已定義張量的維度數。
型別 - 它表示與張量元素關聯的資料型別。它可以是一維、二維或 n 維張量。
形狀 - 它是行數和列數的總和。
迴歸問題的目的是預測連續或離散變數的輸出，例如價格、機率、是否會下雨等等。我們使用的資料集稱為“Auto MPG”資料集。它包含 1970 年代和 1980 年代汽車的燃油效率。它包括重量、馬力、排量等屬性。有了這些，我們需要預測特定車輛的燃油效率。
我們使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助在瀏覽器上執行 Python 程式碼，無需任何配置，並可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是程式碼片段：
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()程式碼來源 - https://www.tensorflow.org/tutorials/keras/regression
輸出
解釋
定義了一個名為“build_compile_model”的函式，該函式構建一個順序模型並生成三個密集層。
模型被編譯，並作為函式的輸出返回。
使用“summary”方法在控制檯上顯示模型的統計分析。
更新於：2021年1月20日
113 次檢視
廣告