2 用TensorFlow构建一个简单的神经网络

上一篇:1 如何入门TensorFlow-CSDN博客

1、环境搭建

后续介绍的相关代码都是在pycharm运行,pycharm安装略。

打开pycharm,创建一个新的项目用于tensorflow编码练习,在Terminal输入命令:

依赖最新版本的pip

复制代码
pip install --upgrade pip

安装tensorflow

复制代码
pip install tensorflow

其他依赖项,可以在后续编码用到时根据系统提示信息再安装。


2、传统编程和机器学习的区别

用一个简单的例子介绍,比如我们写一个计算西瓜价格的程序,计算公式是:

费用=单价*重量+包装费

给出西瓜单价是1.2元/斤,包装费(可降解塑料袋)固定为0.5元

则计算公式为 费用=1.2元/斤*重量+0.5元

2.1 Python程序实现价格计算

先用Python程序实现,直接将费用计算公式写在程序里:

python 复制代码
def watermelon_total_cost(weight):
    # 费用计算公式
    total_cost = 1.2 * weight + 0.5
    return total_cost


watermelon_weight = float(input('请输入西瓜的重量:'))
cost = watermelon_total_cost(watermelon_weight)
print('费用是:%.2f' % cost)

如果输入10斤时,则程序输出费用:

2.2 机器学习实现价格预测

如果没有在程序里写死费用的计算公式,计算机如何通过训练得到这一规则?

先给出一些重量和对应费用的数据,让机器通过训练这些数据找到规则:

weight=[1, 3, 4, 5, 6, 8]

total_cost=[1.7, 4.1, 5.3, 6.5, 7.7, 10.1]

先上代码,不用急着去了解每行代码的含义,后面章节会详细解释。

python 复制代码
import numpy as np
import tensorflow as tf

# 西瓜的重量
weight = np.array([1, 3, 4, 5, 6, 8], dtype=float)

# 对应的费用
total_cost = np.array([1.7, 4.1, 5.3, 6.5, 7.7, 10.1], dtype=float)

model = tf.keras.Sequential([
    tf.keras.layers.Dense(1, input_shape=[1])
])

model.compile(loss=tf.losses.mean_squared_error, optimizer='SGD')

history = model.fit(weight, total_cost, epochs=500, verbose=False)

# 训练完成后,预测10斤西瓜的总费用
print(model.predict([10]))

程序运行结果:

预测结果是12.521......,和准确值12.5非常接近!

由上面可以看出之前我们写的程序是需要事先定义好程序的规则,才能得到答案。而机器学习是给出数据和答案,让机器通过训练得到它们之间的数学关系。

相关推荐
张子夜 iiii13 分钟前
实战项目-----在图片 hua.png 中,用红色画出花的外部轮廓,用绿色画出其简化轮廓(ε=周长×0.005),并在同一窗口显示
人工智能·pytorch·python·opencv·计算机视觉
gongzemin17 分钟前
Django入门2--设置数据库 admin
python·django
KimLiu31 分钟前
LCODER之Python:使用Django搭建服务端
后端·python·django
胡耀超34 分钟前
3.Python高级数据结构与文本处理
服务器·数据结构·人工智能·windows·python·大模型
索迪迈科技42 分钟前
GPS汽车限速器有哪些功能?主要运用在哪里?
人工智能·行车记录仪·车辆安全·监控管理·gps定位
1373i1 小时前
【Python】pytorch安装(使用conda)
pytorch·python·conda
keyinf01 小时前
python网络爬取个人学习指南-(五)
python
Niuguangshuo1 小时前
深度学习基本模块:Conv2D 二维卷积层
人工智能·深度学习