tensorflow2.0入門（2）：keras詳解和迴歸模型構建

前言

在 TensorFlow2.0 中，推薦使用 Keras ( tf.keras ) 構建神經網絡模型，因此學習tf2.0要從keras入手。

Keras 是一個用 Python 編寫的高級神經網絡 API，具有用戶友好、模塊化、易擴展性等特點。

1、keras詳解

Keras基本結構如下：

Keras 有兩個重要的部分：Model和Layer。Layer包含構成網絡的函數、變量，Model包含將層連接和組織的函數和參數。

2、tf.keras基本操作

Keras基本結構如下：

（1）引入

import tensorflow as tffrom tensorflow.keras import layers

（2）層的堆疊

model = tf.keras.Sequential()model.add(layers.Dense(32, activation='relu'))

通過add方式增加模型的層數，選擇Dense模式，激活函數爲relu。激活函數一般有：

（3）配置訓練

model.compile(optimizer=tf.keras.optimizers.Adam(0.001),             loss=tf.keras.losses.categorical_crossentropy,             metrics=[tf.keras.metrics.categorical_accuracy])

設計好模型後，需要選擇一個合適的優化器（Optimizers）對模型進行優化，tf2.0常用的優化器如下：

loss爲損失函數，metrics爲性能評估模塊。

3、tf.keras實現線性迴歸

迴歸分析是一種預測性的建模技術，它研究的是因變量（目標）和自變量（預測器）之間的關係。採用tf2.0中波士頓房價數據進行分析。

tf2.0中的datasets主要有：

波士頓房價輸入爲13維的因素數據，輸出爲房價。

CRIM：城鎮人均犯罪率。

ZN：住宅用地超過 25000 sq.ft. 的比例。

INDUS：城鎮非零售商用土地的比例。

CHAS：查理斯河空變量（如果邊界是河流，則爲1；否則爲0）。

NOX：一氧化氮濃度。

RM：住宅平均房間數。

AGE：1940 年之前建成的自用房屋比例。

DIS：到波士頓五個中心區域的加權距離。

RAD：輻射性公路的接近指數。

TAX：每 10000 美元的全值財產稅率。

PTRATIO：城鎮師生比例。

B：1000（Bk-0.63）^ 2，其中 Bk 指代城鎮中黑人的比例。

LSTAT：人口中地位低下者的比例。

MEDV：自住房的平均房價，以千美元計。

具體程序爲：

import tensorflow.keras as keras
import tensorflow.keras.layers as layers

# 導入數據 (x_train, y_train), (x_test, y_test) = keras.datasets.boston_housing.load_data()

#模型構建 model = keras.Sequential([
 layers.Dense(32, activation='sigmoid', input_shape=(13,)), layers.Dense(64, activation='sigmoid'), layers.Dense(32, activation='sigmoid'), layers.Dense(1)
])

# 配置模型 model.compile(optimizer=keras.optimizers.SGD(0.1), loss='mean_squared_error', # keras.losses.mean_squared_error metrics=['mse'])

#模型結構 model.summary()

#模型訓練 model.fit(x_train, y_train, batch_size=50, epochs=50, validation_split=0.1, verbose=1)

#模型測試 result = model.evaluate(x_test, y_test)

print(model.metrics_names)
print(result)

模型結構爲：