Xây dựng mô hình Sequential trên Auto MPG dataset với TensorFlow

TensorFlow là framework học máy mã nguồn mở của Google, dùng Python, tối ưu bằng NumPy và tensor. Tensor có 3 thuộc tính chính:

• Rank (Bậc): số chiều của tensor.
• Type (Kiểu): kiểu dữ liệu của các phần tử.
• Shape (Hình dạng): số hàng và cột.

Cài đặt: pip install tensorflow

Bài toán hồi quy: dự đoán biến liên tục. Dữ liệu Auto MPG: hiệu suất xe hơi thập niên 70-80 (trọng lượng, mã lực, dung tích...). Dự đoán MPG.

Chạy trên Google Colab (Python trên trình duyệt, GPU miễn phí).

Ví dụ

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("Đang xây dựng và biên dịch mô hình")
dnn_horsepower_model = build_compile_model(horsepower_normalizer)

print("Đang tính tóm tắt thống kê")
dnn_horsepower_model.summary()

Nguồn mã: TensorFlow Regression Tutorial

Đầu ra

Giải thích

• Định nghĩa hàm build_compile_model tạo mô hình Sequential với 3 lớp Dense.
• Lớp chuẩn hóa (normalization) đầu vào, 2 lớp ẩn 64 neuron ReLU, lớp ra 1 neuron.
• Biên dịch với loss MAE và optimizer Adam (learning rate 0.001).
• Trả về mô hình đã biên dịch.
• Hiển thị phân tích thống kê qua summary().