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
Moniane2 小时前
A2A+MCP构建智能体协作生态:下一代分布式人工智能架构解析
人工智能·分布式·架构
sendnews2 小时前
红松小课首次亮相北京老博会,四大业务矩阵赋能退休生活提质升级
人工智能·物联网
停停的茶3 小时前
深度学习——图像分割
人工智能·深度学习
MIXLLRED3 小时前
自动驾驶技术全景解析:从感知、决策到控制的演进与挑战
人工智能·机器学习·自动驾驶
金融Tech趋势派3 小时前
企业微信AI SCRM推荐:从技术适配与场景功能实践进行评估
大数据·人工智能
Wnq100724 小时前
AI 在法律咨询服务中的革命性变化:技术赋能与生态重构
人工智能·职场和发展·重构·分类·数据分析·全文检索·创业创新
茶杯6754 小时前
极睿iClip易视频:2025年AI混剪领域的革新工具,重构电商内容生产逻辑
人工智能
一点一木4 小时前
🚀 2025 年 10 月 GitHub 十大热门项目排行榜 🔥
前端·人工智能·github
湘-枫叶情缘4 小时前
程序与工业:从附庸到共生,在AI浪潮下的高维重构
人工智能·重构