Skip to main content

机器学习中的基本计算机视觉概念

Archived University Note

This content is from my university archives and may not be reliable or up-to-date.

参考：https://codelabs.developers.google.com/codelabs/tensorflow-lab1-helloworld/#0

代码示例​

import tensorflow as tf
import numpy as np
from tensorflow import keras

# 定义模型：单层神经网络
# units=1：1个神经元
# input_shape=[1]：单个数据放入神经元，一个x值
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])

# 优化函数：sgd（随机梯度下降）
# 损失函数：mean_squared_error（均方误差）
model.compile(optimizer='sgd', loss='mean_squared_error')

# 训练数据
xs = np.array([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-2.0, 1.0, 4.0, 7.0, 10.0, 13.0], dtype=float)

# 训练模型
# epochs=500：模型经过循环次数500次
model.fit(xs, ys, epochs=500)

# 预测
print(model.predict([10.0]))

模型说明​

这是一个简单的线性回归模型，用于学习Y = 3X + 1的关系：

  • 输入数据X: [-1, 0, 1, 2, 3, 4]
  • 输出数据Y: [-2, 1, 4, 7, 10, 13]
  • 目标: 学习到Y = 3X + 1的规律
  • 预测: 当X=10时，Y应该接近31