Python AI初探:利用TensorFlow构建简单模型实例

原创 ゞ 浴缸里的玫瑰 2025-01-30 16:54 37阅读 0赞

在Python AI的初期探索中,我们主要会使用TensorFlow这个强大的机器学习框架。以下是一个简单模型实例:

  1. 安装TensorFlow
    首先你需要通过pip(Python包管理器)来安装TensorFlow。

    1. pip install tensorflow
  2. 创建一个简单的线性回归模型
    我们可以使用TensorFlow的tf.keras模块来创建模型。这里我们创建一个输入和输出都是标量的简单模型:

  1. import tensorflow as tf
  2. # 创建数据
  3. x_data = tf.range(10, 50), dtype=tf.float32)
  4. y_data = x_data * 0.1 + tf.random.normal(shape=(10,), dtype=tf.float32))
  5. # 定义模型结构
  6. model = tf.keras.models.Sequential([
  7. tf.keras.layers.Dense(1, input_shape=(x_data.shape[1],), use_bias=False), # 输入层
  8. ])
  9. # 编译模型,定义损失函数(MSE)和优化器(Adam)
  10. model.compile(loss=tf.keras.losses.MeanSquaredError(), optimizer=tf.keras.optimizers.Adam())
  11. # 训练模型
  12. model.fit(x_data, y_data, epochs=10)
  13. # 模型预测
  14. predictions = model.predict(tf.convert_to_tensor([[25], [30]]]), dtype=tf.float32))
  15. print(predictions)

这个例子中,我们创建了一个简单的线性回归模型,用于预测输入数据的输出。

文章版权声明:注明蒲公英云原创文章,转载或复制请以超链接形式并注明出处。

发表评论

表情:
评论列表 (有 0 条评论,37人围观)

还没有评论,来说两句吧...

相关阅读