Python深度学习实战-基于tensorflow.keras六步法搭建神经网络（附源码和实现效果）

实现功能

第一步：import tensorflow as tf：导入模块

第二步：制定输入网络的训练集和测试集

第三步：tf.keras.models.Sequential()：搭建网络结构

第四步：model.compile()：配置训练方法

第五步：model.fit()：执行训练过程

第六步：model.summary()：打印网络结构

实现代码

import tensorflow as tf
from sklearn import datasets
import numpy as np

x_train = datasets.load_iris().data
y_train = datasets.load_iris().target

np.random.seed(116)
np.random.shuffle(x_train)
np.random.seed(116)
np.random.shuffle(y_train)
tf.random.set_seed(116)

model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(3, activation='softmax', kernel_regularizer=tf.keras.regularizers.l2())
])

model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.1),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
              metrics=['sparse_categorical_accuracy'])

model.fit(x_train, y_train, batch_size=32, epochs=500, validation_split=0.2, validation_freq=20)

model.summary()

实现效果