Computer >> 컴퓨터 >  >> 프로그램 작성 >> Python

TensorFlow를 사용하여 Auto MPG 데이터 세트를 기반으로 DNN(심층 신경망) 모델을 구축하려면 어떻게 해야 합니까?

<시간/>

Tensorflow는 Google에서 제공하는 기계 학습 프레임워크입니다. 알고리즘, 딥 러닝 애플리케이션 등을 구현하기 위해 Python과 함께 사용되는 오픈 소스 프레임워크입니다. 연구 및 생산 목적으로 사용됩니다.

Tensor는 TensorFlow에서 사용되는 데이터 구조입니다. 흐름도에서 가장자리를 연결하는 데 도움이 됩니다. 이 흐름도를 '데이터 흐름 그래프'라고 합니다. 텐서는 다차원 배열 또는 목록에 불과합니다.

우리가 사용하는 데이터셋을 'Auto MPG' 데이터셋이라고 합니다. 1970년대와 1980년대 자동차의 연비를 담고 있습니다. 여기에는 무게, 마력, 변위 등과 같은 속성이 포함됩니다. 이를 통해 특정 차량의 연비를 예측해야 합니다.

Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook 위에 구축되었습니다. 다음은 코드 조각입니다 -

예시

print("DNN model")
history = dnn_horsepower_model.fit(
   train_features['Horsepower'], train_labels,
   validation_split=0.2,
   verbose=0, epochs=100)
print("Error with respect to every epoch")
plot_loss(history)
x = tf.linspace(0.0, 250, 251)
y = dnn_horsepower_model.predict(x)
plot_horsepower(x, y)
test_results['dnn_horsepower_model'] = dnn_horsepower_model.evaluate(
   test_features['Horsepower'], test_labels,
   verbose=0)

코드 크레딧 - https://www.tensorflow.org/tutorials/keras/regression

출력

TensorFlow를 사용하여 Auto MPG 데이터 세트를 기반으로 DNN(심층 신경망) 모델을 구축하려면 어떻게 해야 합니까?

설명

  • DNN은 심층 신경망을 의미하며 이 경우 'Horsepower'라는 단일 입력이 있습니다.

  • 이 모델은 훈련 데이터에 적합합니다.

  • 'history'에 저장된 통계 매개변수가 콘솔에 표시됩니다.

  • 예측이 이루어지고 '평가' 방법을 사용하여 평가됩니다.