資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化學
生物
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何使用Tensorflow為鮑魚資料集構建歸一化層？
可以使用“preprocessing”模組中的“Normalization”方法構建歸一化層。此層旨在適應鮑魚資料集的特徵。此外，還添加了一個密集層以提高模型的訓練能力。此層將幫助預計算與每一列相關的均值和方差。這些均值和方差值將用於對資料進行歸一化。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將使用鮑魚資料集，其中包含一組鮑魚的測量值。鮑魚是一種海螺。目標是根據其他測量值預測年齡。
我們正在使用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，無需任何配置即可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
print("A normalization layer is being built")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("A dense layer is being added")
norm_abalone_model = tf.keras.Sequential([
normalize,
layers.Dense(64),
layers.Dense(1)
])程式碼來源：https://www.tensorflow.org/tutorials/load_data/csv
輸出
A normalization layer is being built A dense layer is being added
解釋
- 模型的輸入被歸一化。
- 可以透過新增“experimental.preprocessing”層來整合此歸一化。
- 此層將幫助預計算與每一列相關的均值和方差。
- 這些均值和方差值用於對資料進行歸一化。
- 首先，使用“Normalization.adapt”方法建立歸一化層。
- 對於預處理層，僅應將訓練資料與“adapt”方法一起使用。
- 此歸一化層用於構建模型。
更新於： 2021年2月19日
141 次檢視
廣告