如何使用TensorFlow在Auto MPG数据集上建立顺序模型？

TensorFlow是谷歌提供的机器学习框架。它是一个开源框架，与Python一起使用来实现算法、深度学习应用等等。它用于研究和生产目的。

可以使用以下代码在Windows上安装’tensorflow’包 –

pip install tensorflow

Tensor是TensorFlow中使用的数据结构。它有助于在流程图中连接边缘。这个流程图被称为”Data flow graph”。张量仅是多维数组或列表。它们可以使用三个主要属性来识别 –

秩（Rank） - 它告诉张量的维数。它可以理解为张量的顺序或已定义的张量中的维数数量。
类型（Type） - 它告诉与张量元素相关联的数据类型。它可以是一维、二维或n维张量。
形状（Shape） - 它是行数和列数的总和。

回归问题的目标是预测连续或离散变量的输出，例如价格、概率、是否会下雨等等。我们使用的数据集称为”Auto MPG”数据集。它包含1970年代和1980年代汽车的燃油效率。它包括重量、马力、排量等特征。我们需要用这个来预测特定车辆的燃油效率。

我们使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory可以通过浏览器运行Python代码，不需要配置，并免费使用GPU（图形处理单元）。Colaboratory是基于Jupyter Notebook构建的。以下是代码片段 –

更多Python相关文章，请阅读：Python 教程

例子

def build_compile_model(norm):
    model = keras.Sequential([
       norm,
       layers.Dense(64, activation='relu'),
       layers.Dense(64, activation='relu'),
       layers.Dense(1)
    ])
    model.compile(loss='mean_absolute_error',
    optimizer=tf.keras.optimizers.Adam(0.001))
    return model

print("正在构建和编译模型")
dnn_horsepower_model = build_compile_model(horsepower_normalizer)
print("正在计算统计摘要")
dnn_horsepower_model.summary()

代码来源-https://www.tensorflow.org/tutorials/keras/regression