tensorflow随笔1
来源:互联网 发布:暗黑钻油井升级数据 编辑:程序博客网 时间:2024/05/18 11:24
昨天想用深度神经网络跑一些数据,踩到了一些坑,记录下来。
from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport tensorflow as tfimport numpy as np# 设定数据集的位置IRIS_TRAINING = "iris_training.csv"IRIS_TEST = "iris_test.csv"# 使用Tensorflow内置的方法进行数据加载training_set =tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int,features_dtype=np.float32)test_set=tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,target_dtype=np.int,features_dtype=np.float32)# 每行数据4个特征,都是real-value的feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]# 构建一个DNN分类器,3层,其中每个隐含层的节点数量分别为10,20,10,目标的分类3个,并且指定了保存位置classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns, hidden_units=[10, 20, 10], n_classes=3, model_dir="/tmp/iris_model")# 指定数据,以及训练的步数classifier.fit(x=training_set.data, y=training_set.target, steps=2000)# 模型评估accuracy_score = classifier.evaluate(x=test_set.data, y=test_set.target)["accuracy"]print('Accuracy: {0:f}'.format(accuracy_score))# 直接创建数据来进行预测new_samples = np.array( [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)# y = classifier.predict(new_samples)y = list(classifier.predict(new_samples, as_iterable=True))print('Predictions: {}'.format(str(y)))
这是网上找的TensorFlow很入门的代码,对iris数据集分类,比较这个数据集很出名,类似于Luna的照片,好吧,可以用机器跑一跑,正确率达到0.966667,觉得很奇怪,用一般的选用BPF的Svm或者Lr跑,正确率在0.99左右,感觉这个隐层设置有点问题。和别人跑的结果不一样,这一点应该好好研究,同时与别人交流的时候,这个高级的设置方法,不用为好,
第二个坑
tensoflow版本的问题,
tf.contrib.learn.datasets.base.load_csv_with_headerload csv的方法在新的版本里变成了上面所示,同时可以指定csv文件是否包含header。
阅读全文
0 0
- tensorflow随笔1
- tensorflow随笔2
- tensorflow随笔3
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔 1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- 随笔1
- stack smashing detected错误解决
- 新开博客
- Java项目开发流程(转载)
- Java IO流分类整理
- Java--new
- tensorflow随笔1
- 重识微信:花 8 小时列举微信功能
- 优秀产品经理(CEO)必须get的财税知识
- 逼格高又实用的Linux高级命令,开发运维都要懂!
- 秒杀业务场景设计
- 互联网金融产品需要什么样的产品经理?
- 资源图片压缩
- Apple Pay与银联的联姻,是战略,不是产品
- 产品设计中的点线面法则