Làm thế nào để Tensorflow có thể được sử dụng với tập dữ liệu bào ngư để xây dựng một mô hình tuần tự?

Một mô hình tuần tự có thể được xây dựng trong Keras bằng phương pháp 'Tuần tự'. Số lượng và loại lớp được chỉ định bên trong phương pháp này.

Đọc thêm: TensorFlow là gì và cách Keras làm việc với TensorFlow để tạo Mạng thần kinh?

Chúng tôi sẽ sử dụng tập dữ liệu bào ngư, trong đó có một tập hợp các phép đo của bào ngư. Bào ngư là một loại ốc biển. Mục đích là để dự đoán tuổi dựa trên các phép đo khác.

Chúng tôi đang sử dụng Google Colaboratory để chạy đoạn mã dưới đây. Google Colab hoặc Colaboratory giúp chạy mã Python qua trình duyệt và không yêu cầu cấu hình cũng như quyền truy cập miễn phí vào GPU (Đơn vị xử lý đồ họa). Colaboratory đã được xây dựng trên Jupyter Notebook.

 print ("Mô hình tuần tự đang được xây dựng") abalone_model =tf.keras.Sequential ([lớp.Dense (64), lớp.Dense (1)]) abalone_model.compile (mất =tf.losses.MeanSquaredError ( ), Optimizer =tf.optimizers.Adam ()) print ("Dữ liệu đang phù hợp với mô hình") abalone_model.fit (abalone_features, abalone_labels, epochs =10) 

Tín dụng mã:https://www.tensorflow.org/tutorials/load_data/csv

Đầu ra

 Mô hình tuần tự đang được xây dựng Dữ liệu đang được phù hợp với mô hìnhEpoch 1/10104/104 [==============================] - 0s 963us / bước - mất:84.2213Epoch 2/10104/104 [=================================] - 0s 924us / bước - mất:16.0268Epoch 3/10104/104 [=================================] - 0s 860us / step - loss:9,4125Epoch 4/10104/104 [=================================] - 0s 898us / step - lỗ:8.9159Epoch 5/10104/104 [=================================] - 0s 912us / bước - lỗ:7.9076 Epoch 6/10104/104 [==============================] - 0s 936us / bước - mất:6.8316Epoch 7 / 10104/104 [==============================] - 0s 992us / bước - mất:7.1021Epoch 8/10104/104 [==============================] - 0 giây 1ms / bước - mất:7,0550Epoch 9/10104/104 [==============================] - 0s 1ms / bước - mất:6.2762Epoch 10/10104/104 [==================================] - 0s 883us / bước - lỗ:6,5584   
 Giải thích 
 
 
 Mô hình hồi quy được xây dựng để dự đoán cột 'tuổi' của tập dữ liệu bào ngư. 
 
 Một mô hình tuần tự được xây dựng, vì chỉ có một bộ căng đầu vào duy nhất. 
 
 Mô hình được biên dịch (được đào tạo), sau đó các tính năng và nhãn được chuyển cho phương thức 'Model.fit'.