使用keras实现非线性回归(两种加激活函数的方式)-6ren

使用keras实现非线性回归(两种加激活函数的方式)

转载作者：qq735679552 更新时间：2022-09-29 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章使用keras实现非线性回归(两种加激活函数的方式)由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

我就废话不多说了，大家还是直接看代码吧~ 。

 
    ? 
   
         import 
         keras 
        
         import 
         numpy as np 
        
         import 
         matplotlib.pyplot as plt 
        
         #Sequential 按顺序构成的模型 
        
         from 
         keras.models  
         import 
         Sequential 
         #Sequential是模型结构，输入层，隐藏层，输出层 
        
         #Dense 全连接层,Activation激活函数 
        
         from 
         keras.layers  
         import 
         Dense,Activation 
        
         from 
         keras.optimizers  
         import 
         SGD 
        
         x_data 
         = 
         np.linspace( 
         - 
         0.5 
         , 
         0.5 
         , 
         200 
         ) 
         #从-0.5到0.5范围内生成200个随机点 
        
         noise 
         = 
         np.random.normal( 
         0 
         , 
         0.02 
         ,x_data.shape) 
         #生成和x_data形状一样的噪声 
        
         y_data 
         = 
         np.square(x_data) 
         + 
         noise 
        
         #显示随机点 
        
         #plt.scatter(x_data,y_data) 
        
         #plt.show() 
        
         #构建一个顺序模型 
        
         model 
         = 
         Sequential() 
        
         #1-10-1，添加一个隐藏层 
        
         model.add(Dense(units 
         = 
         10 
         ,input_dim 
         = 
         1 
         ,activation 
         = 
         'relu' 
         )) 
         #units是隐藏层，输出维度，输出y，input_dim是输入维度，输入x 
        
         #model.add(Activation('tanh'))#给这一层添加一个双曲正切激活函数tanh函数 
        
         model.add(Dense(units 
         = 
         1 
         ,input_dim 
         = 
         10 
         ,activation 
         = 
         'relu' 
         )) 
         #input_dim可以不写，它可以识别到上一句的输出是10维 
        
         #model.add(Activation('tanh'))#给这一层添加一个双曲正切激活函数tanh函数 
        
         #定义优化器 
        
         sgd 
         = 
         SGD(lr 
         = 
         0.3 
         ) 
         #学习率提高到0.3，训练速度会加快 
        
         model. 
         compile 
         (optimizer 
         = 
         sgd,loss 
         = 
         'mse' 
         ) 
         #编译这个模型，sgd是随机梯度下降法，优化器.mse是均方误差 
        
         #训练模型 
        
         for 
         step  
         in 
         range 
         ( 
         5001 
         ): 
        
         #每次训练一个批次 
        
         cost 
         = 
         model.train_on_batch(x_data,y_data) 
         #代价函数的值，其实就是loss 
        
         #每500个batch打印一次cost值 
        
         if 
         step  
         % 
         500 
         = 
         = 
         0 
         : 
        
         print 
         ( 
         'cost:' 
         ,cost) 
        
         #打印权值和偏置值 
        
         W,b 
         = 
         model.layers[ 
         0 
         ].get_weights() 
         #线性回归，只有一层 
        
         print 
         ( 
         'W:' 
         ,W, 
         'b:' 
         ,b) 
        
         #x_data输入网络中，得到预测值y_pred 
        
         y_pred 
         = 
         model.predict(x_data) 
        
         #显示随机点s 
        
         plt.scatter(x_data,y_data) 
        
         #显示预测结果 
        
         plt.plot(x_data,y_pred, 
         'r-' 
         ,lw 
         = 
         3 
         ) 
         #r-表示红色的线，lw表示线宽 
        
         plt.show()

结果:

 
    ? 
   
 
     
       
       
         cost:  
         0.0077051604 
        
 
         cost:  
         0.0004980223 
        
 
         cost:  
         0.00047812634 
        
 
         cost:  
         0.00047762066 
        
 
         cost:  
         0.00047761563 
        
 
         cost:  
         0.00047761557 
        
 
         cost:  
         0.0004776156 
        
 
         cost:  
         0.0004776156 
        
 
         cost:  
         0.0004776156 
        
 
         cost:  
         0.00047761566 
        
 
         cost:  
         0.0004776156 
        
 
         W: [[  
         0.37828678 
         0.37509003 
         0.1847014 
         - 
         0.46519393 
         - 
         0.6347979 
         - 
         0.70865685 
        
 
            
         0.55382997 
         - 
         0.66780925 
         0.08229994 
         0.5980157 
         ]] b: [ 
         - 
         0.00412499 
         - 
         0.01216194 
         0.01939214 
         - 
         0.03005166 
         - 
         0.00475936 
         - 
         0.00794064 
        
 
           
         - 
         0.00015427 
         - 
         0.01620528 
         0.08056344 
         - 
         0.01741577 
         ] 
        
 
     
 
   

使用keras实现非线性回归(两种加激活函数的方式)

以上这篇使用keras实现非线性回归(两种加激活函数的方式)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我.

原文链接：https://blog.csdn.net/iamcfb_/article/details/87461442 。

最后此篇关于使用keras实现非线性回归(两种加激活函数的方式)的文章就讲到这里了,如果你想了解更多关于使用keras实现非线性回归(两种加激活函数的方式)的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： Swift实现多个TableView侧滑与切换效果

文章推荐： java List循环与Map循环的总结

文章推荐： PHP 读取大文件并显示的简单实例(推荐)

文章推荐：纯swift实现ipad版简单美团界面功能

c - 在英特尔 x64 汇编中执行函数的最快(CPU 方式)方式？
我一直在阅读有关汇编函数的内容，但对于是使用进入和退出还是仅使用调用/返回指令来快速执行，我感到很困惑。一种方式快而另一种方式更小吗？例如，在不内联函数的情况下，在汇编中执行此操作的最快(stdcal
解析元组的 Pythonic 方式
我正在处理一个元组列表，如下所示: res = [('stori', 'JJ'), ('man', 'NN'), ('unnatur', 'JJ'), ('feel', 'NN'), ('pig',
使用线程的 Pythonic 方式
最近我一直在做很多网络或 IO 绑定(bind)操作，使用线程有助于加快代码速度。我注意到我一直在一遍又一遍地编写这样的代码: threads = [] for machine, user, data
请求资源子集的 RESTful 方式
假设我有一个名为 user_stats 的资源，其中包含用户拥有的帖子、评论、喜欢和关注者的数量。是否有一种 RESTful 方式只询问该统计数据的一部分(即，对于 user_stats/3，请告诉我
接受选择的 RESTful 方式
我有一个简单的 api，它的工作原理是这样的: 用户创建一个请求 ( POST /requests ) 另一个用户检索所有请求 ( GET /requests ) 然后向请求添加报价 ( POST /
扩展构建器模式的 Pythonic 方式
考虑以下 CDK Python 中的示例(对于这个问题，不需要 AWS 知识，这应该对基本上任何构建器模式都有效，我只是在这个示例中使用 CDK，因为我使用这个库遇到了这个问题。): from aws
用于管理对象池的 Scala 方式
Scala 中管理对象池的首选方法是什么？我需要单线程创建和删除大规模对象(不需要同步)。在 C++ 中，我使用了静态对象数组。在 Scala 中处理它的惯用和有效方法是什么？最佳答案我会把它
将多个类方法应用于对象列表的 Pythonic 方式
我有一个带有一些内置方法的类。这是该类的抽象示例: class Foo: def __init__(self): self.a = 0 self.b = 0
返回和检查方法执行的 Pythonic 方式
返回和检查方法执行的 Pythonic 方式我目前在 python 代码中使用 golang 编码风格，决定移动 pythonic 方式例子: import sys from typing imp
处理丢失数据的 RESTful 方式
我正在开发一个 RESTful API。其中一个 URL 允许调用者通过 id 请求特定人员的记录。返回该 id 不存在的记录的常规值是什么？服务器是否应该发回一个空对象或者一个 404，或者其他什
加载具有相似文件名的文件的 Pythonic 方式
我正在使用 pathlib.Path() 检查文件是否存在，并使用 rasterio 将其作为图像打开. filename = pathlib.Path("./my_file-name.tif") 但
创建嵌套字典的 Pythonic 方式
我正在寻找一种 Pythonic 方式来从列表和字典创建嵌套字典。以下两个语句产生相同的结果: a = [3, 4] b = {'a': 1, 'b': 2} c = dict(zip(b, a))
处理异常后恢复的 Pythonic 方式
我有一个正在操裁剪理设备的脚本。设备有时会发生物理故障，当它发生时，我想重置设备并继续执行脚本。我有这个: while True: do_device_control() device
做组合别名的 Pythonic 方式
做组合别名的最pythonic和正确的方法是什么？这是一个假设的场景: class House: def cleanup(self, arg1, arg2, kwarg1=False):
在一个请求中创建多个项目的 RESTful 方式
我正在开发一个小型客户端服务器程序来收集订单。我想以“REST(ful)方式”来做到这一点。我想做的是: 收集所有订单行(产品和数量)并将完整订单发送到服务器目前我看到有两种选择: 将每个订单行发
动态调用静态方法的 Groovy 方式
我知道在 Groovy 中您可以使用字符串调用类/对象上的方法。例如: Foo."get"(1) /* or */ String meth = "get" Foo."$meth"(1) 有没有办法
复制没有不同属性的字典的 Pythonic 方式
在 ECMAScript6 中，您可以使用扩展运算符来解构这样的对象 const {a, ...rest} = obj; 它将 obj 浅拷贝到 rest，不带属性 a。有没有一种干净的方法可以在
函数中条件返回的 Pythonic 方式
我有几个函数返回数字或None。我希望我的包装函数返回第一个不是 None 的结果。除了下面的方法之外，还有其他方法吗？ def func1(): return None def func2(
处理资源之间双向关系的 RESTful 方式
假设我想设计一个 REST api 来讨论歌曲、专辑和艺术家(实际上我就是这样做的，就像我之前的 1312414 个人一样)。歌曲资源始终与其所属专辑相关联。相反，专辑资源与其包含的所有歌曲相关联。
有条件地使用上下文管理器的 Pythonic 方式
这是我认为必须经常出现的问题，但我一直无法找到一个好的解决方案。假设我有一个函数，它可以作为参数传递一个开放资源(如文件或数据库连接对象)，或者需要自己创建一个。如果函数需要自己打开文件，最佳实践通常

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

使用keras实现非线性回归(两种加激活函数的方式)