37、深入探索：TensorFlow 的运行机制

深入探索：TensorFlow 的运行机制

1. 模型编译与训练

首先，我们来看一个简单的模型编译和训练示例：

Total params: 57
Trainable params: 57
Non-trainable params: 0
_________________________________________________________________
>>> ## compile:
>>> model.compile(optimizer=tf.keras.optimizers.SGD(),
...               loss=tf.keras.losses.BinaryCrossentropy(),
...               metrics=[tf.keras.metrics.BinaryAccuracy()])
>>> ## train:
>>> hist = model.fit(x_train, y_train,
...                  validation_data=(x_valid, y_valid),
...                  epochs=200, batch_size=2, verbose=0)

通过上述代码，我们可以看到模型能够为数据推导出非线性决策边界。在训练数据集上，模型达到了 100% 的准确率，而验证数据集的准确率为 95%，这表明模型存在轻微的过拟合现象。

2. 使用 Keras 函数式 API 构建模型