如何使用TensorFlow基于Auto MPG评估模型？

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，与Python结合使用以实现算法、深度学习应用等等。它被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。它有助于连接流程图中的边缘。此流程图称为“数据流图”。张量只是多维数组或列表。

回归问题的目的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、排量等属性。通过这个数据集，我们需要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帮助在浏览器上运行Python代码，不需要任何配置，可以免费访问GPU（图形处理单元）。Colaboratory是在Jupyter Notebook之上构建的。以下是代码片段。

更多Python相关文章，请阅读：Python 教程

示例

def plot_loss(history):
   plt.plot(history.history['loss'], label='loss')
   plt.plot(history.history['val_loss'], label='val_loss')
   plt.ylim([0, 10])
   plt.xlabel('Epoch')
   plt.ylabel('Error [MPG]')
   plt.legend()
   plt.grid(True)

plot_loss(history)
test_results = {}

test_results['hrspwr_model'] = hrspwr_model.evaluate(
   test_features['Horsepower'],
   test_labels, verbose=0)

代码信用 - https://www.tensorflow.org/tutorials/keras/regression