<script src="js/tf.js">
</script>
<script src="js/vis.js"></script>
<script>
window.onload = async() => {
const heights = [150, 160, 170];
const weights = [40, 50, 60];
tfvis.render.scatterplot({
name: '身高体重训练数据'
}, {
values: heights.map((x, i) => ({
x,
y: weights[i]
}))
}, {
xAxisDomain: [140, 180],
yAxisDomain: [30, 70]
});
// 进行数据归一化
const inputs = tf.tensor(heights).sub(150).div(20);
const labels = tf.tensor(weights).sub(40).div(20);
// 简历连续性模型
const model = tf.sequential();
// 添加全连接层
model.add(tf.layers.dense({
// 神经元个数
units: 1,
// 输入数据的形状
inputShape: [1]
}));
// 设置损失函数和优化器
model.compile({
loss: tf.losses.meanSquaredError,
// 随机梯度下降法
optimizer: tf.train.sgd(0.1)
});
await model.fit(inputs, labels, {
batchSize: 3, //批量数据
epochs: 200,
callbacks: tfvis.show.fitCallbacks({
name: '训练过程'
}, ['loss'])
});
const output = model.predict(tf.tensor([180]).sub(150).div(20));
alert(`如果身高为 180cm，那么预测体重为 ${output.mul(20).add(40).dataSync()[0]}kg`);
}
</script>