TensorFlow 示例摄氏度到华氏度的转换（一）

TensorFlow 实现神经网络模型来进行摄氏度到华氏度的转换，可以将其作为一个回归问题来处理。我们可以通过神经网络来拟合这个简单的转换公式。

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. 模型应用与预测

7. 保存与加载模型

8. 完整代码

---

1. 数据准备与预处理

你提供了摄氏度和华氏度的数据，并进行了标准化。标准化是为了使数据适应神经网络的训练，因为标准化可以加快训练过程并提高模型性能。

import numpy as np
import tensorflow as tf

# 温度数据：摄氏度到华氏度的转换
celsius = np.array([-50,-40, -10, 0, 8, 22, 35, 45, 55, 65, 75, 95], dtype=float)
fahrenheit = np.array([-58.0,-40.0,14.0,32.0,46.4,71.6,95.0,113.0,131.0,149.0,167.0,203.0], dtype=float)

# 数据标准化：计算均值和标准差
celsius_mean = np.mean(celsius)
celsius_std = np.std(celsius)

fahrenheit_mean = np.mean(fahrenheit)
fahrenheit_std = np.std(fahrenheit)

# 标准化输入和输出数据
celsius_normalized = (celsius - celsius_mean) / celsius_std
fahrenheit_normalized = (fahrenheit - fahrenheit_mean) / fahrenheit_std

2. 构建模型

在构建模型时，使用了一个简单的神经网络结构。神经网络包含了一个隐藏层和一个输出层。隐藏层使用了ReLU激活函数，输出层使用了线性激活函数，适合回归任务。

# 创建模型
model = tf.keras.Sequential([
    # 隐藏层，增加神经元数量，激活函数使用 ReLU
    tf.keras.layers.D