Rangkaian Neural Pertama dengan TensorFlow

Dalam pelajaran ini, kita akan mencipta rangkaian neural suapan hadapan yang ringkas menggunakan TensorFlow. TensorFlow ialah rangka kerja popular untuk membina dan melatih model pembelajaran mesin.

Langkah 1: Menyediakan TensorFlow

Mula-mula, pastikan TensorFlow telah dipasang. Jika belum, anda boleh memasangnya menggunakan:

pip install tensorflow

Kami juga akan mengimport pustaka yang diperlukan untuk pelajaran ini.

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy as np

Langkah 2: Menyediakan Set Data

Untuk contoh ini, kita akan menggunakan set data ringkas yang masukannya ialah satu ciri, manakala keluarannya ialah dua kali ganda nilai tersebut:

# Generate sample data
X = np.array([[1], [2], [3], [4], [5]], dtype=float)
y = np.array([[2], [4], [6], [8], [10]], dtype=float)

Langkah 3: Mencipta Model

Kami akan mencipta model ringkas dengan satu lapisan masukan, satu lapisan tersembunyi dan satu lapisan keluaran. Lapisan tersembunyi akan menggunakan fungsi pengaktifan ReLU.

# Create the model
model = Sequential([
    Dense(10, activation='relu', input_shape=(1,)),  # Hidden layer with 10 neurons
    Dense(1)  # Output layer with 1 neuron
])

Langkah 4: Mengompil Model

Kami mengompil model menggunakan:

• Fungsi Kerugian: Ralat Kuasa Dua Min untuk tugas regresi.
• Pengoptimum: Penurunan Kecerunan Stokastik (SGD).

# Compile the model
model.compile(optimizer='sgd', loss='mean_squared_error')

Langkah 5: Melatih Model

Kami melatih model menggunakan data latihan selama 500 pusingan. Semasa latihan, model belajar untuk meminimumkan kerugian.

# Train the model
model.fit(X, y, epochs=500, verbose=1)

Langkah 6: Membuat Ramalan

Selepas latihan, kami boleh menggunakan model untuk membuat ramalan pada data baharu:

# Predict on new data
print(model.predict([6]))

Langkah 7: Menilai Model

Kami menilai prestasi model pada data latihan untuk memastikan model telah mempelajari corak dengan betul:

# Evaluate the model
loss = model.evaluate(X, y)
print(f"Loss: {loss}")

Rangkaian neural suapan hadapan yang dibina menggunakan TensorFlow boleh digunakan untuk:

• Analitik Ramalan: Meramalkan jualan dan arah aliran.
• Pengelasan: Mengesan mesej tidak diingini dan penipuan.
• Regresi: Meramalkan harga dan permintaan.

Dalam pelajaran ini, kami:

• Membina dan melatih rangkaian neural ringkas menggunakan TensorFlow.
• Mempelajari langkah utama: penyediaan set data, penciptaan model, pengompilan dan latihan.
• Membuat ramalan dan menilai prestasi model.

Seterusnya, kami akan meneroka cara rangkaian neural dikembangkan menjadi seni bina yang lebih maju, seperti rangkaian neural konvolusional untuk tugas pemprosesan imej.