tensorflow学习,一层神经网络用均方误差对x y的一组值训练并进行预测

代码如下:

%config IPCompleter.greedy=True #代码自动提示
import tensorflow as tf
print(tf.__version__)
#构建模型
from tensorflow import keras
import numpy as np
model = keras.Sequential([keras.layers.Dense(units=1,input_shape=[1])]) #一层神经网络
model.compile(optimizer='sgd',loss='mean_squared_error') #损失函数 msq方差损失

xs=np.array([-1.0,0.0,1.0,2.0,3.0,4.0],dtype=float)  #一组x值 用numpy转化为数组
ys=np.array([-3.0,-1.0,1.0,3.0,5.0,7.0],dtype=float) #对应一组y值 用numpy转化为数组

model.fit(xs,ys,epochs=500)  #训练500次预测x = 10的时候y的值

按Control+Enter运行
可以看到训练六个样例,刚开始误差很大
tensorflow学习,一层神经网络用均方误差对x y的一组值训练并进行预测
后面误差逐渐缩小,表面训练达到预期目的
tensorflow学习,一层神经网络用均方误差对x y的一组值训练并进行预测
最后检验,对x=10进行预测

model.predict([10.0])

结果如下:array([[18.982182]], dtype=float32) 得到的y很接近19

上一篇:Pandas对象(数据结构)


下一篇:pytorch使用