Python AI初探:利用TensorFlow构建简单模型实例
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:
安装TensorFlow:
首先你需要通过pip(Python包管理器)来安装TensorFlow。pip install tensorflow
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:
import tensorflow as tf
# 创建数据
x_data = tf.range(10, 50), dtype=tf.float32)
y_data = x_data * 0.1 + tf.random.normal(shape=(10,), dtype=tf.float32))
# 定义模型结构
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(1, input_shape=(x_data.shape[1],), use_bias=False), # 输入层
])
# 编译模型,定义损失函数(MSE)和优化器(Adam)
model.compile(loss=tf.keras.losses.MeanSquaredError(), optimizer=tf.keras.optimizers.Adam())
# 训练模型
model.fit(x_data, y_data, epochs=10)
# 模型预测
predictions = model.predict(tf.convert_to_tensor([[25], [30]]]), dtype=tf.float32))
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。
还没有评论,来说两句吧...