TF Learn入门 —— 简单使用举例

来源：互联网发布：linux 查看内存泄漏编辑：程序博客网时间：2024/05/22 00:26

一、载入数据

载入常用库

from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport tensorflow as tfimport numpy as np

载入数据

IRIS_TRAINING = 'iris_training.csv'IRIS_TEST = 'iris_test.csv'training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAININGtarget_dtype=http://np.intfeatures_dtype=np.float(32)test_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TESTtarget_dtype=http://np.intfeature_dtype=np.float(32)

二、构建神经网络分类器

features_columns = [tf.contrib.layers.real_valued_column('', dimension=4) #数据连续，4特征classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,hidden_units=[10, 20, 10], #3层隐藏层，分别10，20，10个神经元n_classes=3, #3目标类别model_dir='/tmp/iris_model') #保存训练记录

三、训练模型

classifier.fit(x=training_set.data, y=training_set.target, steps=2000)

四、评估模型

accuracy_score = classifier.evaluate(x=test_set.data, y=test_set.target)['accuracy']print('Accuracy: {0:f}'.format(accuracy_score))

五、对新样本进行分类

new_samples = np.array([[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)y = list(classifier.predict(new_samples, as_iterable=True))print('Prediction: {}'.format(str(y)))

阅读全文

0 0