資料結構
網路
關係資料庫管理系統
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
時尚研究
法律研究如何使用 TensorFlow 將模型擬合到 Auto MPG 資料集？
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。這個流圖稱為“資料流圖”。張量只不過是多維陣列或列表。
迴歸問題的目標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，並且無需任何配置即可免費訪問 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
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()程式碼來源 - https://www.tensorflow.org/tutorials/keras/regression
輸出
解釋
使用“fit”函式將資料擬合到模型。
使用“epochs”屬性設定步驟數。
“history”物件儲存與輸入資料關聯的統計資訊的進度。
將其轉換為資料框。
在控制檯上顯示資料樣本。
資料也進行了視覺化。
更新於：2021 年 1 月 20 日
110 次檢視
廣告