Tensorflow2 0實戰 邏輯回歸

tensorflow2.0介面更加簡潔，對使用者也更加友好，下面筆者以邏輯回歸為例來分享一下tensorflow2.0的使用。

導入庫

import tensorflow as tf

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

data = pd.read_csv(

'creditcard.csv'
)

筆者的資料集是信用資料集：creditcard.csv 提取碼： ddpr

檢視資料

data.head(

)#輸出資料集前5行
計算分類值
規定x和y值
x = data.iloc[:,

:-1]
y = data.iloc[:,
-1]#選擇列數
：取全部行，-1是最後一列。

建立模型
model = tf.keras.sequential(

)
設定模型隱藏層和輸出層

model.add(tf.keras.layers.dense(

4, input_shape=(30
,),activation=
'relu'))
model.add(tf.keras.layers.dense(
4, activation=
'relu'))
model.add(tf.keras.layers.dense(
1, activation=
'sigmoid'))
#最後一層啟用函式是sigmod
檢視模型

9. 模型編譯
model.

compile
(optimizer=
'adam'
,             loss=
'binary_crossentropy'
,             metrics=
['acc'])
#metrics輸出正確率，它是乙個列表
輸出訓練過程

history = model.fit(x, y, epochs=10)

#輸出訓練過程
11. 檢視history的屬性
history.history.keys(

)#輸出history的attribute
12. 繪製損失函式影象

plt.plot(history.epoch, history.history.get(

'loss'))
#繪製損失函式影象
繪製準確率影象
plt.plot(history.epoch, history.history.get(

'acc'))
#繪製正確率影象
				
tensorflow2 0視訊記憶體設定
遇到乙個問題 新買顯示卡視訊記憶體8g但是tensorflow執行的時候介面顯示只有約6.3g的視訊記憶體可用，如下圖 即限制了我的視訊記憶體，具體原因為什麼我也不知道，但原來的視訊記憶體小一些的顯示卡就沒有這個問題。目前的解決辦法是 官方文件解決 然後對應的中文部落格 總結一下，就是下面的兩個辦法...
				
Tensorflow2 0  啟用函式
常用啟用函式及對應特點 神經網路結構的輸出為所有輸入的加權和，這導致整個神經網路是乙個線性模型。而線性模型不能解決異或問題，且面對多分類問題，也顯得束手無策。所以為了解決非線性的分類或回歸問題，啟用函式必須是非線性函式。神經網路中啟用函式的主要作用是提供網路的非線性建模能力。這是因為反向傳播演算法就...
				
初步了解TensorFlow2 0
為什麼要學習tensorflow？深度學習能夠更好地抽取資料中的規律，從而給公司帶來更大的價值 tensorflow是強大且靈活的開源框架 使用廣泛 2.0更加強大 易用 成熟 tensorflow是什麼？是google的開源軟體庫 採用資料流圖，用於數值計算 支援多平台 gpu cpu 移動裝置 ...