北京市住房与城乡建设网站,电脑网页打不开是什么原因,网站开发持续更新,110平米三室一厅简装图片上一篇#xff1a;1 如何入门TensorFlow-CSDN博客 1、环境搭建
后续介绍的相关代码都是在pycharm运行#xff0c;pycharm安装略。
打开pycharm#xff0c;创建一个新的项目用于tensorflow编码练习#xff0c;在Terminal输入命令#xff1a;
# 依赖最新版本的pip
pip i…上一篇1 如何入门TensorFlow-CSDN博客 1、环境搭建
后续介绍的相关代码都是在pycharm运行pycharm安装略。
打开pycharm创建一个新的项目用于tensorflow编码练习在Terminal输入命令
# 依赖最新版本的pip
pip install --upgrade pip
# 安装tensorflow
pip install tensorflow 其他依赖项可以在后续编码用到时根据系统提示信息再安装。 2、传统编程和机器学习的区别
用一个简单的例子介绍比如我们写一个计算西瓜价格的程序计算公式是
费用单价*重量包装费
给出西瓜单价是1.2元/斤包装费可降解塑料袋固定为0.5元
则计算公式为 费用1.2元/斤*重量0.5元 2.1 Python程序实现价格计算
先用Python程序实现直接将费用计算公式写在程序里
def watermelon_total_cost(weight):# 费用计算公式total_cost 1.2 * weight 0.5return total_costwatermelon_weight float(input(请输入西瓜的重量))
cost watermelon_total_cost(watermelon_weight)
print(费用是%.2f % cost)
如果输入10斤时则程序输出费用 2.2 机器学习实现价格预测
如果没有在程序里写死费用的计算公式计算机如何通过训练得到这一规则
先给出一些重量和对应费用的数据让机器通过训练这些数据找到规则
weight[1, 3, 4, 5, 6, 8]
total_cost[1.7, 4.1, 5.3, 6.5, 7.7, 10.1] 先上代码不用急着去了解每行代码的含义后面章节会详细解释。
import numpy as np
import tensorflow as tf# 西瓜的重量
weight np.array([1, 3, 4, 5, 6, 8], dtypefloat)# 对应的费用
total_cost np.array([1.7, 4.1, 5.3, 6.5, 7.7, 10.1], dtypefloat)model tf.keras.Sequential([tf.keras.layers.Dense(1, input_shape[1])
])model.compile(losstf.losses.mean_squared_error, optimizerSGD)history model.fit(weight, total_cost, epochs500, verboseFalse)# 训练完成后预测10斤西瓜的总费用
print(model.predict([10]))
程序运行结果 预测结果是12.521……和准确值12.5非常接近 由上面可以看出之前我们写的程序是需要事先定义好程序的规则才能得到答案。而机器学习是给出数据和答案让机器通过训练得到它们之间的数学关系。
