บทนำ
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python ใช้ในงานวิจัยและการผลิต
การติดตั้ง
pip install tensorflow
คุณสมบัติ Tensor
- Rank - มิติของเทนเซอร์
- Type - ชนิดข้อมูลองค์ประกอบ
- Shape - ขนาดแถวและคอลัมน์
ตัวอย่าง: Linear Regression ด้วย TensorFlow 1.x Style (Session)
import tensorflow as tf
A = tf.get_variable("A", initializer=tf.constant([0.1]))
b = tf.get_variable("b", initializer=tf.constant([0.0]))
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
my_model = A * x + b
lossVal = tf.reduce_sum(tf.square(my_model - y))
my_optimizer = tf.train.GradientDescentOptimizer(0.01)
train = my_optimizer.minimize(lossVal)
x_train = [1.0, 2.5, 3.8, 4.9]
y_train = [1.7, 3.0, 6.6, 6.8]
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(1000):
sess.run(train, {x: x_train, y: y_train})
if i % 100 == 0:
l_cost = sess.run(lossVal, {x: x_train, y: y_train})
print(f"i: {i} cost: {l_cost}")
l_A, l_b, l_cost = sess.run([A, b, lossVal], {x: x_train, y: y_train})
print(f"A: {l_A} b: {l_b} cost: {l_cost}")
หมายเหตุ: รันบน Jupyter Notebook ติดตั้ง TensorFlow ด้วย pip install tensorflow
ผลลัพธ์
i: 0 cost: 1.7808 i: 100 cost: 1.6948 i: 200 cost: 1.6916 ... i: 900 cost: 1.6914 A: [1.4599526] b: [0.07214472] cost: 1.6913845539093018
คำอธิบาย
- นำเข้าแพ็กเกจและตั้งชื่อย่อ
- กำหนดตัวแปร
my_modelเก็บสมการ Linear - ใช้
GradientDescentOptimizerฝึกโมเดล - ลด loss ให้น้อยที่สุดด้วย
minimize - สร้างข้อมูลฝึก 2 ลิสต์
- รัน Session ฝึก 1000 รอบ แสดง cost ทุก 100 รอบ
- แสดงค่า A, b, cost สุดท้าย
