理论知识

神经网络全连接层详解_17岁boy的博客-CSDN博客

什么是Tensor Flow和lite以及数据流图_17岁boy的博客-CSDN博客

什么是Keras？

Keras是一个由纯Python编写的人工神经网络库，可以用它来完成深度学习的应用，它的作者是François Chollet，目前已经加入谷歌，源代码是开放的基于MIT开源许可方式开源在Github上。

实战温度转换模型训练

首先第一步导入tensor flow包于numpy包，用numpy主要用于处理矩阵，我们在存储数据集的时候用numpy来做存储与处理，然后在转化为tf的向量

#!/usr/bin/env python
# coding=utf-8
import tensorflow as tf
import numpy as np

然后生成两组数据集，一组是摄氏度一组是华氏度，这里需要注意需要让两组数据是对应关系的，然后才能在训练的时候让神经网络找出对应关系的规律，就像我们人一样在计算某些有规律的数字时通过统计就能找出其中的差值，其实这一过程就是在不停的统计

celsius       = np.array([-40,-10,0,8,15,22,38], dtype=float)
fahrenheit    = np.array([-40,14,32,46,59,72,100], dtype=float)

下面就是建立全连接层模型，首先看一下Keras建立全连接层模型的函数原型：

tf.keras.layers.Dense(units,       # 正整数，输出空间的维数inputs=64,  # 输入张量大小activation=None,  # 选择使用的（激活函数）use_bias=True,  # 是否使用（偏置项）kernel_initializer=None,  # Kernel权重矩阵的初始值设定项bias_initializer=tf.zeros_initializer(),  # 偏差向量的初始值设定项kernel_regularizer=None,  # 正则化函数应用于核权矩阵activaty_regularizer=None,  # 应用于偏差向量的正则化函数kernel_constraint=None,  # 对主权重矩阵进行约束bias_constraint=None,  # 对偏置向量进行约束trainable=True,  # 可以设置为不可训练，（冻结）网络层name=None,  # 层的名字reuse=None  # 是否重复使用参数
)

重点参数介绍：

units 输出维数大小
inputs 输入空间维度尺寸，用input_shape来输入

下面代码创建了一个全连接层

l0 = tf.keras.layers.Dense(units=1,input_shape=[1])

选择模型，把刚刚创建好的全连接层模型传入

model = tf.keras.Sequential([l0])

模型编译,compile，参数介绍

model.compile(optimizer = 优化器，loss = 损失函数，mean_squared_error、categorical_crossentropy...metrics = ["准确率”])

编译模型

model.compile(loss="mean_squared_error",optimizer=tf.keras.optimizers.Adam(0.1))

训练函数:fit原型

model.fit( 训练集的输入特征，训练集的标签， batch_size,  #每一个batch的大小epochs,   #迭代次数validation_data = (测试集的输入特征，测试集的标签），validation_split = 从测试集中划分多少比例给训练集，validation_freq = 测试的epoch间隔数）

开始训练

history = model.fit(celsius,fahrenheit,epochs=500,verbose=True)

训练后可以调用model的predict来预测结果

print(model.predict([50.0]))

运行结果：

[[120.27382]]

50摄氏度等于122华氏度，仅仅训练了500次相差大概2，在训练个几万次基本上就已经达到精确了

如果想保存模型的话在Tensor Flow2.0非常简单，Tensor Flow2.0提供了h5模型文件使用model.save可以直接保存

model.save("test.h5")

完整代码：

#!/usr/bin/env python
# coding=utf-8
import tensorflow as tf
import numpy as npcelsius       = np.array([-40,-10,0,8,15,22,38], dtype=float)
fahrenheit    = np.array([-40,14,32,46,59,72,100], dtype=float)l0 = tf.keras.layers.Dense(units=1,input_shape=[1])
model = tf.keras.Sequential([l0])model.compile(loss="mean_squared_error",optimizer=tf.keras.optimizers.Adam(0.1))
history = model.fit(celsius,fahrenheit,epochs=500,verbose=True)print(model.predict([50.0]))model.save("test.h5")

Tensor Flow V2：基于Tensor Flow Keras的摄氏度到华氏度温度转换的训练模型相关推荐

Tensor Flow V2:将Tensor Flow H5模型文件转换为tflite
目录 H5模型文件介绍 Tflite模型文件介绍转换代码 H5模型文件介绍 h5文件全称HDF5,是Tensor Flow2.0新增的文件模型,它保存了训练时的所有参数包括权重等特征信息,与其它模型 ...
（python）基于GUI编写摄氏度转华氏度
编写摄氏度转华氏度的小程序,要求从输入框输入摄氏度值,点击按钮后得到华氏值 import tkinter as tk #导入tkinter模块重命名为tk #定义函数用于读取Entry控件的内容并将计 ...
python输入参数改变图形_Python基于Tensor FLow的图像处理操作详解
本文实例讲述了Python基于Tensor FLow的图像处理操作.分享给大家供大家参考,具体如下: 在对图像进行深度学习时,有时可能图片的数量不足,或者希望网络进行更多的学习,这时可以对现有的图片数 ...
python图像处理教程_Python基于Tensor FLow的图像处理操作详解
本文实例讲述了Python基于Tensor FLow的图像处理操作.分享给大家供大家参考,具体如下: 在对图像进行深度学习时,有时可能图片的数量不足,或者希望网络进行更多的学习,这时可以对现有的图片数 ...
干货：基于 Git Flow 的 Git 最佳实践（附加解决大家经常碰到的问题）
干货:基于 Git Flow 的 Git 最佳实践(附加解决大家经常碰到的问题) 参考文章: (1)干货:基于 Git Flow 的 Git 最佳实践(附加解决大家经常碰到的问题) (2)https: ...
【论文阅读】Attention Based Spatial-Temporal GCN...Traffic Flow Forecasting[基于注意力的时空图卷积网络交通流预测]（1）
[论文阅读]Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting[基于注 ...
‘Tensor‘ object has no attribute ‘_keras_history‘——keras和tensorflow版本不兼容
'Tensor' object has no attribute '_keras_history'--keras和tensorflow版本不兼容每天踩一坑,坑坑不一样,每天的生活状态就是踩坑踩坑,爬 ...
Android 基于Kotlin Flow实现一个倒计时功能
文章目录前情提要实现倒计时功能注意事项完整代码地址前情提要上一篇 Android Kotlin之Flow数据流中介绍了协程Flow,我们知道Flow数据流可以按顺序发送多个值,一个倒计时 ...
DL之RetinaNet：基于RetinaNet算法(keras框架)利用resnet50_coco数据集(.h5文件)实现目标检测
DL之RetinaNet:基于RetinaNet算法(keras框架)利用resnet50_coco数据集(.h5文件)实现目标检测相关文章 DL之RetinaNet:RetinaNet算法的简介( ...

Tensor Flow V2：基于Tensor Flow Keras的摄氏度到华氏度温度转换的训练模型

理论知识

什么是Keras？

实战温度转换模型训练

Tensor Flow V2：基于Tensor Flow Keras的摄氏度到华氏度温度转换的训练模型相关推荐

最新文章

热门文章