如何使用Tensorflow和鲍鱼数据集构建序列模型？

可以使用Keras的“Sequential”方法构建序列模型，并且在该方法内指定层的数量和类型。

更多Python相关文章，请阅读：Python 教程

将使用鲍鱼数据集，它包含一组鲍鱼的测量数据。鲍鱼是一种海螺。目标是基于其他测量值预测鲍鱼的年龄。

我们使用Google Colaboratory运行下面的代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，无需任何配置，并获得免费访问GPU（图形处理单元）。Colaboratory是在Jupyter Notebook的基础上构建的。

print("正在构建序列模型")
abalone_model = tf.keras.Sequential([
    layers.Dense(64),
    layers.Dense(1)
])
abalone_model.compile(loss = tf.losses.MeanSquaredError(),optimizer = tf.optimizers.Adam())
print("正在将数据安装到模型中")
abalone_model.fit(abalone_features, abalone_labels, epochs=10)

代码来源：https://www.tensorflow.org/tutorials/load_data/csv

输出

正在构建序列模型
正在将数据安装到模型中
Epoch 1/10
104/104 [==============================] - 0s 963us/step - loss: 84.2213
Epoch 2/10
104/104 [==============================] - 0s 924us/step - loss: 16.0268
Epoch 3/10
104/104 [==============================] - 0s 860us/step - loss: 9.4125
Epoch 4/10
104/104 [==============================] - 0s 898us/step - loss: 8.9159
Epoch 5/10
104/104 [==============================] - 0s 912us/step - loss: 7.9076
Epoch 6/10
104/104 [==============================] - 0s 936us/step - loss: 6.8316
Epoch 7/10
104/104 [==============================] - 0s 992us/step - loss: 7.1021
Epoch 8/10
104/104 [==============================] - 0s 1ms/step - loss: 7.0550
Epoch 9/10
104/104 [==============================] - 0s 1ms/step - loss: 6.2762
Epoch 10/10
104/104 [==============================] - 0s 883us/step - loss: 6.5584
<tensorflow.python.keras.callbacks.History at 0x7fda82a35160>

解释

• 构建回归模型来预测鲍鱼数据集的“age”列。
• 构建了序列模型，因为有单个输入张量。
• 对模型进行编译（训练），然后将特征和标签传递给“Model.fit”方法。