tensorflow入门实例(1)
Anaconda下载地址
tensorflow环境搭建
学习实例一:神经元网络深度学习的起步程序Hello World
第一个应用程序总是应该从超级简单的东西开始,这样可以看到代码如何产生和运作的整体框架。
就创建神经网络而言,我喜欢使用的例子是一个能够学习两组数字之间函数关系的神经元。具体来说,如果你在写下面函数的代码,表明你已经知道了这个函数的"规则",即x和y的映射关系。
float hw_function(float x){
float y = (2 * x) - 1;
return y;
}
那么,如何训练一个神经网络来完成同等的任务呢? 用数据!用数据来训练神经网络。通过给它输入一组X,和一组Y,它应该能够找出它们之间的关系。
这显然和你习惯的范式很不一样,所以让我们一步步来了解它。
import tensorflow as tf #导入tensorflow
import numpy as np #导入numpy
from tensorflow import keras
#定义神经网络的框架叫做keras,它将神经元网络模型定义为一组Sequential层。Keras库也需要导入
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
#创建一个最简单的
神经网络。它只有1层,且这层只有1个神经元,它的输入只是1个数值
model.compile(optimizer='sgd', loss='mean_squared_error')
xs = np.array([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)
#我们将提供一些数据。对于本案例,我们提供6个X和6个Y
#可以看到它们之间的关系是y=2x-1,所以当X=-1,y=-3,以此类推
model.fit(xs, ys, epochs=500) #训练500次
print(model.predict([10.0])) #输出结果
运行得到以下结果说明你成功了(以下是截取最后的预测的结果):
Epoch 495/500
6/6 [] - 0s 0us/step - loss: 5.2206e-05
Epoch 496/500
6/6 [] - 0s 0us/step - loss: 5.1134e-05
Epoch 497/500
6/6 [] - 0s 166us/step - loss: 5.0083e-05
Epoch 498/500
6/6 [] - 0s 166us/step - loss: 4.9054e-05
Epoch 499/500
6/6 [] - 0s 0us/step - loss: 4.8047e-05
Epoch 500/500
6/6 [] - 0s 165us/step - loss: 4.7060e-05
[[ 18.97998619]]