tensorflow 簡單使用

最新推荐文章于 2024-02-08 20:12:43 发布

知更i

最新推荐文章于 2024-02-08 20:12:43 发布

阅读量103

点赞数

分类专栏： ubuntu tensorflow 文章标签： tensorflow

本文链接：https://blog.csdn.net/jingtaohuang/article/details/107424156

版权

tensorflow 同时被 2 个专栏收录

7 篇文章 0 订阅

订阅专栏

ubuntu

6 篇文章 0 订阅

订阅专栏

该博客介绍了在Python中使用TensorFlow和Keras进行深度学习的基本操作，包括导入常用的数据科学库如numpy、pandas和sklearn，以及展示了一个简单的全连接神经网络模型的构建和编译过程。此外，还提到了绘制学习曲线的API和如何查看模型摘要。

摘要由CSDN通过智能技术生成

常用包

import sklearn
import tensorflow as tf
import matplotlib as mpl
import  matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import pandas as pd
import os 
import sys
import time

from tensorflow import keras

print( tf.__version__)
print(sys.version_info)
for module in mpl, np, pd, sklearn, tf, keras:
    print(module.__name__, module.__version__)

運行結果示例：

2.2.0
sys.version_info(major=3, minor=7, micro=7, releaselevel=‘final’, serial=0)
matplotlib 3.2.2
numpy 1.18.5
pandas 1.0.5
sklearn 0.23.1
tensorflow 2.2.0
tensorflow.keras 2.3.0-tf

簡單網絡示例

modle = keras.models.Sequential()
modle.add(keras.layers.Flatten(input_shape = [28, 28]))
modle.add(keras.layers.Dense(300, activation = "relu"))
modle.add(keras.layers.Dense(100, activation = "relu"))
modle.add(keras.layers.Dense(10, activation = "softmax"))

modle.compile(loss = "sparse_categorical_crossentropy", 
             optimizer = "sgd", 
             metrics = ["accuracy"])

常用API

modle.layers
modle.summary()

繪製history的圖：

def plot_learning_curves(history):
        pd.DataFrame(history.history).plot(figsize = (8, 5))
        plt.grid(True)
        plt.gca().set_ylim(0, 1)
        plt.show()
        
plot_learning_curves(history)