every blog every motto: Never say die

0. 前言

本节实战tf.GradientTape与tf.keras结合使用

1. 代码部分

1. 导入模块

import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import sklearn
import pandas as pd
import os
import sys
import time
import tensorflow as tf
from tensorflow import kerasprint(tf.__version__)
print(sys.version_info)
for module in mpl,np,pd,sklearn,tf,keras:print(module.__name__,module.__version__)

2. 读取数据

from sklearn.datasets import fetch_california_housing# 房价预测
housing = fetch_california_housing()
print(housing.DESCR)
print(housing.data.shape)
print(housing.target.shape)

3. 划分样本

# 划分样本
from sklearn.model_selection import train_test_splitx_train_all,x_test,y_train_all,y_test = train_test_split(housing.data,housing.target,random_state=7)
x_train,x_valid,y_train,y_valid = train_test_split(x_train_all,y_train_all,random_state=11)print(x_train.shape,y_train.shape)
print(x_valid.shape,y_valid.shape)
print(x_test.shape,y_test.shape)

4. 数据归一化

# 归一化
from sklearn.preprocessing import StandardScalerscaler = StandardScaler()
x_train_scaled = scaler.fit_transform(x_train)
x_valid_scaled = scaler.transform(x_valid)
x_test_scaled = scaler.transform(x_test)

5. metric的使用

# metric 的使用metric = keras.metrics.MeanSquaredError()
print(metric([5.],[2.]))
print(metric([0.],[1.]))
print(metric.result())metric.reset_states() # 不累加数据
metric([1.],[3.])
print(metric.result())

6. 搭建模块与训练

# fit 中做的事
# 1. batch 遍历数据集 metric
#   1.1 自动求导
# 2. epoch 结束 验证集 metric# 准备工作
epochs = 100
batch_size = 32
steps_per_epoch = len(x_train_scaled) // batch_size
optimizer = keras.optimizers.SGD()
metric = keras.metrics.MeanSquaredError()def random_batch(x,y,batch_size=32):idx = np.random.randint(0,len(x),size=batch_size)return x[idx],y[idx]# 搭建模型
model = keras.models.Sequential([keras.layers.Dense(30,activation='relu',input_shape=x_train.shape[1:]),keras.layers.Dense(1),])for epoch in range(epochs):metric.reset_states()for step in range(steps_per_epoch):x_batch,y_batch = random_batch(x_train_scaled,y_train,batch_size)with tf.GradientTape() as tape:y_pred = model(x_batch)loss = tf.reduce_mean(keras.losses.mean_squared_error(y_batch,y_pred))metric(y_batch,y_pred)grads = tape.gradient(loss,model.variables)grads_and_vars = zip(grads,model.variables)optimizer.apply_gradients(grads_and_vars)print('\rEpoch',epoch,'train mse:',metric.result().numpy(),end='')y_valid_pred = model(x_valid_scaled)valid_loss = tf.reduce_mean(keras.losses.mean_squared_error(y_valid_pred,y_valid))print('\t','valid mse:',valid_loss.numpy())

从零基础入门Tensorflow2.0 ----三、11. tf.GradientTape与tf.keras结合使用相关推荐

九宫怎么排列和使用_剪映零基础入门教程第三十七篇：一学就会系列之九宫格小程序配音...
很多玩儿抖音的朋友都看过九宫格视频,但是并不是每个玩抖音的人都会制作这个九宫格视频,实际这个需要借助小工具来帮忙,而常用抖音的朋友们会对剪映更加熟悉一些,且九宫格视频在剪映内的制作方式则比较简单.那么 ...
视频编码零基础入门（0）：零基础，史上最通俗视频编码技术入门
[来源申明]本文引用了微信公众号"鲜枣课堂"的<视频编码零基础入门>文章内容.为了更好的内容呈现,即时通讯网在引用和收录时内容有改动,转载时请注明原文来源信息,尊重原作 ...
Java好学吗？零基础入门Java，三个就业方向实现月入过万！
Java好学吗?零基础入门Java容易吗?据统计,这是很多人学习前最常问也是最关心的问题之一. 不可否认,大家在开始接受新事物的时候都会陷入困境,但学习是循序渐进的,零基础入门Java到底难不难,只有 ...
Pr零基础入门指南笔记三-------------视频效果与转场
目录精剪第一步--视频效果与转场 1.三大面板 2.位置 3.效果库 4.常用视频效果 [干货]PR零基础入门指南第四集:PR常用的效果和转场,视频防抖.宽银幕效果.设置默认效果等_哔哩哔哩_bil ...
日语零基础入门至初级“三步走”
被日本动漫.日剧深深迷住,但看见似熟非熟的汉字假名却无从下手?!没关系,沪江网校推出日语入门系列班级,要想日语零基础入门你只需要"三步走"!首先,我们来了解看看什么是"三 ...
SQL零基础入门学习（三）
SQL零基础入门学习(二) SQL WHERE 子句 WHERE 子句用于提取那些满足指定条件的记录. SQL WHERE 语法 SELECT column1, column2, ... FROM t ...
分支程序设计02 - 零基础入门学习C语言11
第四章:分支程序设计02 让编程改变世界 Change the world by program if语句用if语句可以构成分支结构.它根据给定的条件进行判断,以决定执行某个分支程序段.C语言的if ...
零基础入门学习Python（11）-列表（3）
列表的一些常用操作符比较操作符逻辑操作符连接操作符重复操作符当有多个元素时,默认是从第0个元素比较的字符串比较的是每一个字符对应的ASCII码值的大小什么是ASSII码? 是Americ ...
【转】Dynamics CRM 365零基础入门学习（三）Dynamics 通过Web API 来调用自定义的Action（使用插件）
今天想实现一个Search Product的功能,首先要将数据展示在页面,然后前端根据查询需求进行处理.之前是在salesforce中实现的,可以定义一个Search Product的页面,然后在页面 ...
Arduino Uno零基础入门学习笔记——三针脚声音传感器
一.电路接线声音传感器声音传感器引脚 Arduino引脚 VCC 5V GND GND OUT 6 LED LED引脚 Arduino引脚正极 8 GND GND 二.代码 int val; i ...

从零基础入门Tensorflow2.0 ----三、11. tf.GradientTape与tf.keras结合使用

0. 前言

1. 代码部分

1. 导入模块

2. 读取数据

3. 划分样本

4. 数据归一化

5. metric的使用

6. 搭建模块与训练

从零基础入门Tensorflow2.0 ----三、11. tf.GradientTape与tf.keras结合使用相关推荐

最新文章

热门文章