TensorFlow高层次机器学习API (tf.contrib.learn)
2023-09-14 09:11:54 时间
TensorFlow高层次机器学习API (tf.contrib.learn)
1.tf.contrib.learn.datasets.base.load_csv_with_header 加载csv格式数据
2.tf.contrib.learn.DNNClassifier 建立DNN模型(classifier)
3.classifer.fit 训练模型
4.classifier.evaluate 评价模型
5.classifier.predict 预测新样本
完整代码:
1 from __future__ import absolute_import
2 from __future__ import division
3 from __future__ import print_function
4
5 import tensorflow as tf
6 import numpy as np
7
8 # Data sets
9 IRIS_TRAINING = "iris_training.csv"
10 IRIS_TEST = "iris_test.csv"
11
12 # Load datasets.
13 training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
14 filename=IRIS_TRAINING,
15 target_dtype=np.int,
16 features_dtype=np.float32)
17 test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
18 filename=IRIS_TEST,
19 target_dtype=np.int,
20 features_dtype=np.float32)
21
22 # Specify that all features have real-value data
23 feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]
24
25 # Build 3 layer DNN with 10, 20, 10 units respectively.
26 classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
27 hidden_units=[10, 20, 10],
28 n_classes=3,
29 model_dir="/tmp/iris_model")
30
31 # Fit model.
32 classifier.fit(x=training_set.data,
33 y=training_set.target,
34 steps=2000)
35
36 # Evaluate accuracy.
37 accuracy_score = classifier.evaluate(x=test_set.data,
38 y=test_set.target)["accuracy"]
39 print('Accuracy: {0:f}'.format(accuracy_score))
40
41 # Classify two new flower samples.
42 new_samples = np.array(
43 [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
44 y = list(classifier.predict(new_samples, as_iterable=True))
45 print('Predictions: {}'.format(str(y)))
结果:
Accuracy:0.966667
相关文章
- 【硬核书】机器学习对抗鲁棒性
- 录屏|面向气候变化研究的机器学习
- 快速入门Python机器学习(23)
- 机器学习笔记,统计模型觉得难,不妨来看点概念吧
- lasso回归matlab,机器学习Lasso回归重要论文和Matlab代码「建议收藏」
- 机器视觉检测技术的应用前景如何?
- 图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二)
- 新成立「机器视觉军团」,华为安防背水一战
- 机器学习算法(一)SVM
- Nat Biotechnol|机器学习驱动“无假设”药物靶点发现
- 297个机器学习彩图知识点(1)
- 297个机器学习彩图知识点(10)
- NUS Bresson | 图机器学习与分子分析,附视频与Slides
- 来用机器学习加速布料模拟吧!
- 宾大机器学习PhD:我是如何从头开始写一篇顶级论文的?
- 对抗机器学习,值得研究吗?
- 机器学习(五):机器学习算法分类
- 297个机器学习彩图知识点(15)
- 机器学习: 可视化反卷积操作
- 机器学习的基础图表!
- 刚获ICML大奖的机器学习大牛Max Welling加入微软,主攻分子模拟
- 事实胜于雄辩,苹果MacOs能不能玩儿机器/深度(ml/dl)学习(Python3.10/Tensorflow2)
- 软体机器鱼打卡万米深海
- IBM Watson联合辉瑞,将机器学习用于癌症药物发现
- BAT 在下一盘大棋?深度盘点国内四大机器学习开源平台
- 学习MongoDB操作API 简易入门指南(mongodb操作api)
- 谷歌机器学习白皮书全解析 43条黄金法则(四)
- 分析单台机器上Redis性能调优指南(单台机器redis性能)
- 快9倍!Facebook开源机器学习翻译项目fairseq
- AI=机器学习²,我们在去往²的路上 | 普林斯顿范剑青教授
- 苹果开放机器学习API,但是没有看到苹果的机器学习开发平台