บทนำ
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python รองรับ Deep Learning
คุณสมบัติ Tensor
- Rank - มิติของเทนเซอร์
- Type - ชนิดข้อมูลองค์ประกอบ
- Shape - ขนาดแถวและคอลัมน์
การติดตั้ง
pip install tensorflow
โมเดล Sequential
โมเดลที่สร้างจากการวางเลเยอร์ซ้อนกัน (stack of layers)
ตัวอย่าง: โมเดล Linear Regression แบบ Sequential
print("กำลังสร้างโมเดล Sequential 1 เลเยอร์ Dense")
linear_model = tf.keras.Sequential([
normalizer,
layers.Dense(units=1)
])
print("กำลังทำนาย")
linear_model.predict(train_features[:10])
linear_model.layers[1].kernel
print("กำลังคอมไพล์โมเดล")
linear_model.compile(
optimizer=tf.optimizers.Adam(learning_rate=0.1),
loss='mean_absolute_error'
)
print("กำลังฝึกโมเดลกับข้อมูล")
history = linear_model.fit(
train_features, train_labels,
epochs=150,
verbose=0,
validation_split=0.25)
print("กำลังพล็อตค่าทำนาย")
plot_loss(history)
print("กำลังประเมินผลลัพธ์")
test_results['linear_model'] = linear_model.evaluate(
test_features, test_labels, verbose=0)
ที่มา: TensorFlow Regression Tutorial
ผลลัพธ์
คำอธิบาย
- สร้างโมเดล Sequential ด้วย Keras API
- ทำนายค่า MPG
- รูปแบบ Linear Regression ทั่วไป: y = mx + b
- คอมไพล์โมเดลหลังทำนายตัวอย่าง
- ฝึกโมเดล กำหนดจำนวน epochs
- พล็อตค่าที่ทำนายได้ก่อนหน้า
