#加载包
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import tensorflow as tf
import numpy as np
# 数据集名称,数据集要放在你的工作目录下
IRIS_TRAINING = "d:/mhuanjing.csv"
IRIS_TEST = "d:/mhuanjing.csv"
# 数据集读取,训练集和测试集
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int,features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,target_dtype=np.int,features_dtype=np.float32)
# 特征
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=18)]
# 构建DNN网络,3层,每层分别为10,20,10个节点
classifier = tf.co
python3 tensorflow
该博客介绍了如何在Python3环境中利用TensorFlow库构建一个深层神经网络(DNN)分类器。首先导入所需的库,然后加载鸢尾花数据集作为训练和测试数据。接着,定义特征列,并创建一个具有3层隐藏层(每层节点数分别为100, 200, 100)的DNN分类器。模型在训练集上训练2000步后,计算并打印测试集的精度。最后,展示了如何用分类器预测新样本的类别。"
125018614,13152790,汇编语言实验解析:数据段、代码段与栈段探究,"['开发语言', '汇编语言', '操作系统', '调试']
摘要由CSDN通过智能技术生成