基于如下的課程進(jìn)行的學(xué)習(xí)記錄
TensorFlow官方入門實(shí)操課程

#設(shè)置顯卡內(nèi)存使用率，根據(jù)使用率占用 import os os.environ["TF_FORCE_GPU_ALLOW_GROWTH"] = "true" #設(shè)置圖像繪制 import matplotlib.pyplot as plt %matplotlib inline import seaborn as sns #基于matplotlib繪制圖像封裝的import tensorflow as tf from tensorflow import keras import numpy as np model = keras.Sequential([keras.layers.Dense(units=1,input_shape=[1])]) #一層，輸入u參數(shù)一個 model.compile(optimizer='sgd',loss='mean_squared_error') #裝配優(yōu)化器以及損失函數(shù)#用于訓(xùn)練的原始數(shù)據(jù) xs = np.array([-1.0,0.0,1.0,2.0,3.0,4.0],dtype = float) ys = np.array([-3.0,-1.0,1.0,3.0,5.0,7.0],dtype = float)#把訓(xùn)練的loss數(shù)據(jù)保存到history中,500次訓(xùn)練，用0.3的數(shù)據(jù)不參與訓(xùn)練用于驗(yàn)證模型，隨機(jī)打亂數(shù)據(jù) history = model.fit(xs,ys,epochs=500,validation_split=0.3,shuffle=True) #放入x與y的原始數(shù)據(jù)，以及循環(huán)訓(xùn)練次數(shù)print(history) model.predict([10.0]) #輸入?yún)?shù)10用訓(xùn)練好模型進(jìn)行數(shù)據(jù)預(yù)測 epochs = len(history.history['loss']) plt.plot(range(epochs), history.history['loss'], label='loss') plt.plot(range(epochs), history.history['val_loss'], label='val_loss') # plt.legend() # plt.show()# fig, axes = plt.subplots(2, sharex=True, figsize=(12, 8)) # fig.suptitle('Training Metrics')# axes[0].set_ylabel("Loss", fontsize=14) # axes[0].plot(range(epochs),history.history['loss'], label='Loss') # axes[0].plot(range(epochs),history.history['val_loss'], label='Loss')# axes[1].set_ylabel("Accuracy(%)", fontsize=14) # axes[1].set_xlabel("Epoch", fontsize=14) # axes[1].plot(train_accuracy_results) # plt.savefig('./epoch.jpg') plt.legend() plt.show()

以下為訓(xùn)練的損失曲線以及預(yù)測的損失曲線

總結(jié)

以上是生活随笔為你收集整理的TensorFlow官方入门实操课程-一个神经元的网络（线性曲线预测）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。