Tensorflow---使用Tensorflow实现多层感知器

一、代码中的数据集下载地址如下：

百度网盘提取码：lala

二、代码运行环境：

Tensorflow-gpu==2.4.0

Python==3.7

三、训练代码如下：

import tensorflow as tf
import pandas as pd
import os

# 环境变量配置
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true'

# 数据的读取
data = pd.read_csv(r'dataset/dataset.csv')
x = data.iloc[:, 1:-1]
y = data.iloc[:, -1]

# 模型的建立
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, input_shape=(3,), activation='relu'),
    tf.keras.layers.Dense(1)
])

# 模型的相关配置
model.compile(
    optimizer='adam',
    loss='mse'
)

# 模型的训练
history = model.fit(x, y, epochs=10000)

# 模型的保存
model.save(r'model_data/model.h5')

四、预测代码如下：

import tensorflow as tf
import pandas as pd
import os

# 环境变量配置
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true'

# 数据的读取
data = pd.read_csv(r'dataset/dataset.csv')
test = data.iloc[:10, 1:-1]
test_label = data.iloc[:10, -1]

# 模型的构建
model = tf.keras.models.load_model(r'model_data/model.h5')

# 模型的预测
pre_y = model.predict(test)
print(pre_y)
print(test_label)

五、预测结果展示