16、利用Keras与Vertex AI构建机器学习模型

利用Keras与Vertex AI构建机器学习模型

1. 张量与计算图基础

在科学计算中，张量是常见的数据结构。例如，一本书可以类比为一个三阶张量。TensorFlow会为CPU（或GPU/TPU）构建计算图，以执行所需的计算。基于图的计算方法具有诸多优势，如可以在后台应用优化技术，还能轻松地将计算分布到多个设备上。

早期的TensorFlow学习难度较大，但随着时间推移，新的库和功能不断添加，使其更易于使用。2019年发布的TensorFlow 2.0引入了Keras作为构建、训练和提供人工神经网络预测的高级接口。Keras最初是为Theano创建神经网络的Python接口，现在已成为TensorFlow框架的一部分，使用起来非常便捷，只需几行代码就能创建一个神经网络。

2. 使用Keras训练神经网络分类器

由于数据已经使用scikit - learn和Pandas进行了预处理，我们可以迅速开始训练新的机器学习模型。具体步骤如下：
1. 数据预处理 ：在Keras中，需要使用数字标签（1和0）代替之前的字符串标签（Yes和No）。可以使用scikit - learn中的 LabelEncoder 进行编码，示例代码如下：

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
y_train_enc = le.fit_transform(y_train)
y_test_enc = le.transform(y_tes