您好,欢迎访问代理记账网站
  • 价格透明
  • 信息保密
  • 进度掌控
  • 售后无忧

keras训练一个简单的模型

import numpy as np
np.random.seed(1337)
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt

X=np.linspace(-1,1,200)
np.random.shuffle(X)
Y=0.5 * X +2 +np.random.normal(0,0.05,(200,))
plt.scatter(X,Y)
plt.show()

X_train,Y_train = X[:160],Y[:160]
X_test, Y_test = X[160:],Y[160:]
#构建神经网络模型
model = Sequential()
model.add(Dense(input_dim=1,units=1))
#选定loss和优化器
model.compile(loss='mse', optimizer='sgd')
print('Training ------------')
for step in range(501):
    cost = model.train_on_batch(X_train, Y_train)
    if step % 50 ==0:
        print("After %d trainings, the cost: %f" % (step,cost))

print('\nTesting ----------')
cost = model.evaluate(X_test, Y_test, batch_size=40)
print('test cost:', cost)

分享:

低价透明

统一报价,无隐形消费

金牌服务

一对一专属顾问7*24小时金牌服务

信息保密

个人信息安全有保障

售后无忧

服务出问题客服经理全程跟进