TensorFlow 简单的二分类神经网络的训练和应用流程

展示了一个简单的二分类神经网络的训练和应用流程。主要步骤包括：

1. 数据准备与预处理

2. 构建模型

3. 编译模型

4. 训练模型

5. 评估模型

6. 模型应用与部署

加载和应用已训练的模型

---

1. 数据准备与预处理

在本例中，数据准备是通过两个 Numpy 数组来完成的：

• x：输入特征，形状为 (8, 2)，包含 8 个数据点，每个数据点有 2 个特征。
• y：标签，形状为 (8,)，包含对应的 0 或 1 标签，表示每个输入点的类别。

x = np.array([[1, 1], [1, -1], [-1, 1], [-1, -1], [0.7, 0.7], [0.7, -0.7], [-0.7, -0.7], [-0.7, 0.7]])
y = np.array([1, 1, 1, 1, 0, 0, 0, 0])

2. 构建模型

使用 Keras 的 Sequential 模型来构建神经网络。此模型包含两个全连接层（Dense 层）：

• 第一个 Dense 层有 3 个单位，激活函数是 Sigmoid。
• 第二个 Dense 层有 1 个单位，激活函数是 Sigmoid，输出层的激活函数将模型输出的值映射到 0 到 1 之间，适合二分类任务。

l1 = tf.keras.layers.Dense(units=3, activation=