深度學習筆記(11)：初識TensorFlow 2.0

本文將帶您透過tf.keras完成第一個TensorFlow 2.0的深度學習程式。

我們將建立一個線性回歸的方程式，將輸入的華式溫度，透過深度學習，算出攝氏溫度值。

值得一提的是，我們並沒有告訴電腦說華式和攝氏溫度的轉換公式，完全是透過我們的Input Data學習而來的。

引入模組

import tensorflow as tf
import numpy as np

建立訓練資料

華氏溫度與攝氏溫度，資料型態為float浮點數

fahrenheit_a = np.array([-40,  14, 32, 46, 59, 72, 100],  dtype=float)
celsius_q = np.array([-40, -10,  0,  8, 15, 22,  38],  dtype=float)

建立模型

#定義Layer；units為神經層數目；input_shape為資料尺度
l0 = tf.keras.layers.Dense(units=1, input_shape=[1]) 
model = tf.keras.Sequential([l0])  #將Layer放入Model中

編譯模型

model.compile(loss='mean_squared_error',
              optimizer=tf.keras.optimizers.Adam(0.01))
#loss function用MSE；Optimizer用Adam，Learning是0.01

訓練模型

history = model.fit(fahrenheit_a, celsius_q, epochs=2000, verbose=True)
print("Finished training the model")
# epochs代表本次訓練要執行幾個Cycle；verbose代表是否顯示訓練Output

視覺化訓練過程

import matplotlib.pyplot as plt
plt.xlabel('Epoch Number')
plt.ylabel("Loss Magnitude")
plt.plot(history.history['loss'])

進行預測

print(model.predict([212]))  #預測212˚F時，攝氏會是幾度(Answer:100˚C)