zoukankan      html  css  js  c++  java
  • Keras实践:实现非线性回归

    Keras实践:实现非线性回归

    代码

    import os
    os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
    
    import keras
    import numpy as np
    import matplotlib.pyplot as plt
     #顺序模型
    from keras.models import  Sequential
     #全连接层
    from keras.layers import Dense
    from keras.optimizers import  SGD
    
    #使用numpy生成100个随机点
    x_data = np.linspace(-0.5,0.5,200)
    noise = np.random.normal(0,0.01,x_data.shape)
    y_data = np.square(x_data)+noise
    
    
    #显示随机点
    plt.scatter(x_data,y_data)
    plt.show()
    
    
    #构建一个顺序模型
    model = Sequential()
    #在模型中添加一个全连接层
    model.add(Dense(units=10,input_dim=1,activation='tanh'))
    #NOTE:input_dim=10可以省略,Keras默认会赋予正确值
    model.add(Dense(units=1,input_dim=10,activation='tanh'))
    
    #提高学习率
    sgd = SGD(lr=0.3)
    model.compile(optimizer=sgd,loss='mse')
    
    
    
    for step in range(3001):
        #每次训练一个批次
        cost = model.train_on_batch(x_data,y_data)
        #每500次打印一下cost值
        if step %500 ==0:
            print("COST",cost)
    
    
    # x_data输入网络中,得到预测值
    y_pred = model.predict(x_data)
    
    #显示随机点
    plt.scatter(x_data,y_data)
    plt.plot(x_data,y_pred,'r-',3)
    plt.show()
    

      拟合效果如下:

      

  • 相关阅读:
    mybatis使用说明
    maven相关说明,以及使用Testng相关
    java注解相关
    maven安装,使用说明,及maven Repository如何使用.
    css相关知识
    Spring Ioc 基于Java的容器配置
    Spring DI的配置使用
    Spring —IoC的配置使用
    Spring IoC 之IoC容器的基本原理
    Spring IOC之IOC基础
  • 原文地址:https://www.cnblogs.com/MrSaver/p/10357696.html
Copyright © 2011-2022 走看看