今天学习了Andrew的deep learning的系列课程,作为一个小菜鸡,将以此篇记录自己的所学。
首先学习搭建了一个很简单的神经网络,只有一层,用来实现找到给定数据集的关系,并预测x对应的y,上代码。
import keras
import numpy as np
model = keras.Sequential([keras.layers.Dense(units=1,input_shape=[1])])
model.compile(optimizer='sgd',loss='mean_squared_error')
x = np.array([-1.0,0.0,1.0,2.0,3.0,4.0])
y = np.array([-3.0,-1.0,1.0,3.0,5.0,7.0])
model.fit(x,y,epochs=500)
print(model.predict([10.0]))
跑完之后的结果如下:
当我们最后输入10的时候,输出结果并不是准确的19。主要有两个原因:1.我们用的训练数据很少,2.在处理x与y的关系的时候y=2x+1是一个很高的概率,这个概率不是100%的,而计算机会为我们返回y的精确值。
当初定义神经网络的时候我们定义了一个损失函数和一个优化器,可以换换别的来试试。
之后我用了adam,结果……一样的epoch执行几次的结果不尽相同,学识太浅不知道是怎么肥事。
之后继续用sgd,增加了迭代次数,结果显示更准确。
刚入门学到这点点也算吧。。。