บทนำ
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python มีเทคนิคเพิ่มประสิทธิภาพคำนวณ ใช้ NumPy และอาร์เรย์หลายมิติ (เทนเซอร์) รองรับ Deep Neural Networks สเกลได้ดี มีดาต้ASET ยอดนิยม ใช้ GPU computation จัดการทรัพยากรอัตโนมัติ มีไลบรารี ML มากมาย เอกสารดี รันโมเดล Deep Learning ฝึกและสร้างแอปทำนายลักษณะข้อมูลได้
การติดตั้ง
pip install tensorflow
คุณสมบัติ Tensor
เทนเซอร์ = อาร์เรย์หลายมิติ ระบุได้ 3 แอตทริบิวต์: Rank, Type, Shape
ปัญหา Regression และชุดข้อมูล Auto MPG
ทำนายตัวแปรต่อเนื่อง ชุดข้อมูล Auto MPG: รถยนต์ยุค 70-80s คุณสมบัติ: น้ำหนัก แรงม้า ปริมาตรเครื่องยนต์ ฯลฯ ทำนาย MPG
ตัวอย่าง: สร้างโมเดล Sequential ทำนาย MPG จาก Horsepower
hrspwr = np.array(train_features['Horsepower'])
print("กำลัง normalize ข้อมูล")
hrspwr_normalizer = preprocessing.Normalization(input_shape=[1,])
hrspwr_normalizer.adapt(hrspwr)
hrspwr_model = tf.keras.Sequential([
hrspwr_normalizer,
layers.Dense(units=1)
])
print("ตัวอย่างข้อมูลสถิติ")
hrspwr_model.summary()
print("ค่าทำนายตัวอย่าง")
hrspwr_model.predict(hrspwr[:7])
print("กำลังคอมไพล์โมเดล")
hrspwr_model.compile(
optimizer=tf.optimizers.Adam(learning_rate=0.1),
loss='mean_absolute_error'
)
ที่มาโค้ด: TensorFlow Regression Tutorial
ผลลัพธ์
คำอธิบาย
- ทำนายค่า MPG จาก Horsepower
- สร้างโมเดล Keras โดยกำหนดสถาปัตยกรรม
- โมเดลเป็น Sequential (ลำดับขั้นตอน)
- Normalize อินพุต Horsepower ก่อน
- ใช้การแปลงเชิงเส้น (y = mx + b) ผ่าน Dense layer
- สร้างเลเยอร์ normalization สำหรับ horsepower
