深度学习-Tensorflow2.2-深度学习基础和tf.keras{1}-多层感知器(神经网络)与激活函数概述-04
多层感知器
计算输入特征得加权和,然后使用一个函数激活(或传递函数)计算输出。
单个神经元
多个神经元
单层神经元缺陷
多层感知器
多层感知器
激活函数
relu:曲线如下图,假如过来的函数是x当x小于0的时候直接屏蔽,大于0的时候就原样输出
sigmoid激活:假如输出的x值就会带入下面公式进行计算
tanh激活:-1到1之间
leak relu激活
# -*- coding: utf-8 -*-
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别,不显示警告
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdata = pd.read_csv("Advertising.csv")
print(data.head())
plt.scatter(data.TV,data.sales)
plt.show()
# -*- coding: utf-8 -*-
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别,不显示警告
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdata = pd.read_csv("Advertising.csv")
print(data.head())
plt.scatter(data.radio,data.sales)
plt.show()
# -*- coding: utf-8 -*-
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别,不显示警告
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdata = pd.read_csv("Advertising.csv")
print(data.head())
# plt.scatter(data.radio,data.sales)
# plt.show()
# 建立模型 当知道tv,广播,报纸投放广告后预测销量
x = data.iloc[:,1:-1] # x取值除去第一列和最后一列的值取出所有投放广告的值
y = data.iloc[:,-1] # y取值最后一列销量的值
model = tf.keras.Sequential([tf.keras.layers.Dense(10,input_shape=(3,),activation="relu"),tf.keras.layers.Dense(1)])# 建立顺序模型【输入层:一个多层感知器(隐含层10层Dense(10),形状input_shape=(3,)3维,激活函数activation="relu"),输出层:因为输出是一个值所以维度1】
print(model.summary())
# -*- coding: utf-8 -*-
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 修改警告级别,不显示警告
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as pltdata = pd.read_csv("Advertising.csv")
# print(data.head())
# plt.scatter(data.radio,data.sales)
# plt.show()
# 建立模型 当知道tv,广播,报纸投放广告后预测销量
x = data.iloc[:,1:-1] # x取值除去第一列和最后一列的值取出所有投放广告的值
y = data.iloc[:,-1] # y取值最后一列销量的值
model = tf.keras.Sequential([tf.keras.layers.Dense(10,input_shape=(3,),activation="relu"),tf.keras.layers.Dense(1)])# 建立顺序模型【输入层:一个多层感知器(隐含层10层Dense(10),形状input_shape=(3,)3维,激活函数activation="relu"),输出层:因为输出是一个值所以维度1】
print(model.summary())
# 优化器
model.compile(optimizer="adam",loss="mse")
# 训练模型
model.fit(x,y,epochs=100)
# 使用该模型在现有数据上预测前10个的销量
test = data.iloc[:10,1:-1]
print(model.predict(test))
# 实际值
test = data.iloc[:10,-1]
print(test)
梯度下降
预测值
实际值
深度学习-Tensorflow2.2-深度学习基础和tf.keras{1}-多层感知器(神经网络)与激活函数概述-04相关推荐
- 多层感知器及常见激活函数-深度神经网络DNN及计算推导
多层感知器 在之前的博客中,我们了解到,感知器(指单层感知器)具有一定的局限--无法解决异或问题,即线性不可分的问题. 将多个单层感知器进行组合,就可以得到一个多层感知器(MLP--Multi-Lay ...
- (深度学习快速入门)第三章第一节:多层感知器简介
文章目录 一:引入 二:定义 三:反向传播算法 四:构建多层感知器完成波士顿房价预测 一:引入 前文所讲到的波士顿房价预测案例中,涉及到的仅仅是一个非常简单的神经网络,它只含有输入层和输出层 但观察最 ...
- Tensorflow中的多层感知器学习
Tensorflow中的多层感知器学习 在这篇文章中,我们将了解多层感知器的概念和它在Python中使用TensorFlow库的实现. 多层感知 多层感知也被称为MLP.它是完全连接的密集层,可以将任 ...
- 深度学习-Tensorflow2.2-深度学习基础和tf.keras{1}-优化函数,学习速率,反向传播,网络优化与超参数选择,Dropout 抑制过拟合概述-07
多层感知器: 优化使用梯度下降算法 学习速率 学习速率选取原则 反向传播 SGD RMSprop Adam learning_rate=0.01 # -*- coding: utf-8 -*- # - ...
- 日月光华深度学习(一、二)深度学习基础和tf.keras
日月光华深度学习(一.二)深度学习基础和tf.keras [2.2]--tf.keras实现线性回归 [2.5]--多层感知器(神经网络)的代码实现 [2.6]--逻辑回归与交叉熵 [2.7]--逻辑 ...
- 深度学习02-神经网络(MLP多层感知器)
文章目录 神经网络 简介 学习路径 分类 多层感知器(MLP) 神经网络认识 两层神经网络 输入层 从输入层到隐藏层 从隐藏层到输出层 激活层 输出的正规化 如何衡量输出的好坏 反向传播与参数优化 过 ...
- 【深度学习】多层感知器高级使用
[深度学习]多层感知器高级使用 文章目录 1 JSON序列化模型 2 YAML格式 3 模型增量更新 4 神网检查点 5 导入模型 6 可视化训练过程 神经网络的变种目前有很多,如误差反向传播(Bac ...
- 深度学习笔记--多层感知器以及BP算法
简介 多层感知器,是指包含1个或多个隐层的前馈神经网络. 前馈神经网络的特点: 第0层为输入层,最后一层为输出层,中间层为隐层. 整个网络无反馈,信号从输入层向输出层单向传播,整个网络为有向无环图. ...
- 【深度学习BookNote】多层感知器(multi-layer perceptron)
多层感知器(multi-layer perceptron) 神经网络的变种目前有很多,如误差反向传播(Back Propagation,BP)神经网路.概率神经网络.卷积神经网络(Convolutio ...
最新文章
- 思科分析引擎助力大型数据中心应用发展
- 为什么面试官总喜欢问String?
- 语音信号的预加重和加窗处理
- 工程制图 (装配图)
- C++ 基类,子对象,派生类构造函数调用顺序
- python直方图的拟合_从一组数据python中将两个高斯拟合成直方图
- 漫画:如何做一款比吃鸡还厉害的游戏
- MVC传递Model
- jqgrid ajax reload,于jqgrid.trigger('reloadGrid')方法不能重新加载页面的问题
- bat复制文件到指定目录同名_利用bat让文件在指定时间自动进行备份
- 支付宝和微信的支付功能如何进行测试?
- 03年用友R9是什么语言写的_用友财务软件使用什么语言开发的?
- 电脑键盘部分按键失灵_笔记本电脑部分按键失灵,可能的原因有哪些?
- 4种营销概念 -seo sem edm affi - 立体营销
- LZY逃命路线总数(记忆化递归)非常难
- Increasing Faithfulness in Knowledge-Grounded Dialogue with Controllable Features
- Activity启动另一个Activity并返回的完整生命周期
- 网页制作平台有哪些,一键套用模板,操作简单
- vue打印数据,可分页打印
- Linux内核——cli()和sti()
热门文章
- PHP实现图片马赛克效果
- C语言循环求出2的10次幂,C语言求2的100次幂的结果.doc
- dseo13b打开自动消失_抖音怎么自动生成字幕?动态字幕有哪几种?
- oracle11g broker,张欣橙 Oracle11g 配置DG broker
- sohu邮箱outlook设置_Outlook2016如何配置QQ邮箱详细步骤
- 【Nginx】浏览器请求URL遇到错误:no-referrer-when-downgrade
- java命令查看 java.io.tmpdir 参数值
- 【spring-session】store-type
- php unable to save,php – Laravel save()未定义
- java多数据源事务管理_Spring中实现多数据源事务管理 - CSDN博客