tensorflow学习笔记

建立全连接网络：

import tensorflow as tf
import pandas as pd
import matplotlib.pyplot as plt

data = pd.read_csv('F:\\深度学习课程资料\\tensorflow\\数据集\\小型CSV数据\\Advertising.csv')
x = data.iloc[:,1:-1]
y = data.iloc[:,-1]
model = tf.keras.Sequential([tf.keras.layers.Dense(10,input_shape=(3,),
                             activation = 'relu'),
                             tf.keras.layers.Dense(1)]
                           )
model.compile(optimizer='adam',loss='mse')
model.fit(x,y,epochs = 1000)
test = data.iloc[:10,1:-1]
model.predict(test)

model = tf.keras.Sequential([tf.keras.layers.Dense(10,input_shape=(3,),
                             activation = 'relu'),
                             tf.keras.layers.Dense(1)]

这个语句是建立一层拥有10个神经元的隐含层和一层拥有一个神经元的输出层，Dense()中的参数第一个是输出的维数，第二个是输入的维度，第三个是激活函数。在建立层中只有第一层需要指明输入的维数，后面的只需要指明输出的层数即可

model.compile(optimizer='adam',loss='mse')

此语句是配置网络，另梯度下降优化器为adam，此优化器默认学习率为0.01，损失函数为均方差