网站源码asp,python免费自学网站,网站设计专业有哪些课程,钦州市网站建设实现功能
上篇文章介绍了用Squential搭建BP神经网络#xff0c;Squential可以搭建出上层输出就是下层输入的顺序神经网络结构#xff0c;无法搭出一些带有跳连的非顺序网络结构#xff0c;这个时候我们可以选择类class搭建封装神经网络结构。 第一步#xff1a;import ten…实现功能
上篇文章介绍了用Squential搭建BP神经网络Squential可以搭建出上层输出就是下层输入的顺序神经网络结构无法搭出一些带有跳连的非顺序网络结构这个时候我们可以选择类class搭建封装神经网络结构。 第一步import tensorflow as tf导入模块 第二步制定输入网络的训练集和测试集 第三步搭建网络结构 第四步model.compile()配置训练方法 第五步model.fit()执行训练过程 第六步model.summary()打印网络结构
实现代码
import tensorflow as tf
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScalerclass NeuralNetwork(tf.keras.Model):def __init__(self, input_size, hidden_size, output_size):super(NeuralNetwork, self).__init__()self.dense1 tf.keras.layers.Dense(hidden_size, activationrelu)self.dense2 tf.keras.layers.Dense(hidden_size, activationrelu)self.dense3 tf.keras.layers.Dense(output_size, activationsoftmax)def call(self, inputs):x self.dense1(inputs)x self.dense2(x)x self.dense3(x)return x
# 加载鸢尾花数据集
iris load_iris()
X iris.data
y iris.target# 数据预处理
scaler StandardScaler()
X scaler.fit_transform(X)# 划分训练集和测试集
X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42)# 创建模型实例
input_size X.shape[1]
hidden_size 64
output_size len(set(y))
model NeuralNetwork(input_size, hidden_size, output_size)# 编译模型
model.compile(optimizeradam,losssparse_categorical_crossentropy,metrics[accuracy])# 训练模型
model.fit(X_train, y_train, epochs10, batch_size32)
model.summary()# 评估模型
test_loss, test_accuracy model.evaluate(X_test, y_test)
实现效果 本人读研期间发表5篇SCI数据挖掘相关论文现在某研究院从事数据挖掘相关科研工作对数据挖掘有一定认知和理解会结合自身科研实践经历不定期分享关于python、机器学习、深度学习基础知识与案例。 致力于只做原创以最简单的方式理解和学习关注我一起交流成长。 邀请三个朋友关注V订阅号数据杂坛即可在后台联系我获取相关数据集和源码送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。
