keras的基本用法(一)——回归模型
来源:互联网 发布:手机淘宝怎么快速升心 编辑:程序博客网 时间:2024/06/05 15:55
文章作者:Tyan
博客:noahsnail.com | CSDN | 简书
本文主要介绍Keras的一些基本用法。
- Demo
import numpy as npimport matplotlib.pyplot as pltfrom keras.models import Sequentialfrom keras.layers import Dense# 创建数据X = np.linspace(-1, 1, 200)# 数据随机化np.random.shuffle(X)# 创建数据及参数, 并加入噪声Y = 0.5 * X + 2 + np.random.normal(0, 0.05, (200,))# 绘制数据plt.scatter(X, Y)plt.show()# 分为训练数据和测试数据X_train, Y_train = X[:160], Y[:160]X_test, Y_test = X[160:], Y[160:]# 使用keras创建神经网络# Sequential是指一层层堆叠的神经网络# Dense是指全连接层# 定义modelmodel = Sequential()# 定义第一层, 由于是回归模型, 因此只有一层model.add(Dense(units = 1, input_dim = 1))# 选择损失函数和优化方法model.compile(loss = 'mse', optimizer = 'sgd')print '----Training----'# 训练过程for step in range(501): # 进行训练, 返回损失(代价)函数 cost = model.train_on_batch(X_train, Y_train) if step % 100 == 0: print 'loss: ', costprint '----Testing----' # 训练结束进行测试cost = model.evaluate(X_test, Y_test, batch_size = 40)print 'test loss: ', cost# 获取参数W, b = model.layers[0].get_weights()print 'Weights: ',Wprint 'Biases: ', b
- 结果
----Training----loss: 3.97799loss: 0.100697loss: 0.0118289loss: 0.00448105loss: 0.00278243loss: 0.00232763----Testing----40/40 [==============================] - 0stest loss: 0.00307717337273Weights: [[ 0.47406867]]Biases: [ 1.99442744]
0 0
- keras的基本用法(一)——回归模型
- keras的基本用法(二)——定义分类器
- keras的基本用法(三)——创建神经网络
- keras的基本用法(四)——Fine Tuning神经网络
- keras的基本用法(五)——图像predict
- PyTorch基本用法(四)——回归
- Keras Regressor回归(一)
- 回归模型的分析一
- Keras —— 应用模型
- keras系列︱Sequential与Model模型、keras基本结构功能(一)
- keras系列︱Sequential与Model模型、keras基本结构功能(一)
- Keras上实现简单线性回归模型
- Keras笔记(一)关于Keras模型
- keras的模型可视化
- numpy的基本用法(一)——基本运算
- keras——函数式模型
- keras —— 常用模型构建
- 回归模型——线性回归
- 基于信号实现的用户态线程库
- c程序shell脚本获取返回值的方法
- caffe使用lenet5识别手写数字
- 图形上下,左右对称旋转代码
- Android-查看隐藏的API源码
- keras的基本用法(一)——回归模型
- 特征工程与sklearn
- hdu 6029 Graph Theory 【直接连线】
- .net程序或web服务无法访问oracle数据库,解决
- 关于HashMap,HashTable,HashSet浅析(博客园迁移)
- 事件委托监听(AWT)
- 作用域为类的常量
- 小虫软测(1)--使用windows的命令行输入cmd执行简单脚本
- 【Java SE】如何用Java实现直接选择排序