0
点赞
收藏
分享

微信扫一扫

Llama 3 ——开源大模型Llama 3从概念到使用

  • 或运算: 位与位进行比较,如果有任一个是1,结果为1;两个都为0,结果则为0。

实现步骤

  1. 构建Feature与Label数据

  2. 创建顺序模型

  3. 指定模型的第一层,线性模型

  4. 添加一层激活函数

  5. 模型编译

  6. 模型训练

  7. 模型预测

代码示例

# ANN 人造神经网络
# 用ANN构建一个或运算的模型
import numpy
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, Activation  # 导入线性模型Dense和激活函数Activation

# feature数据输入
X = numpy.array([[0, 0], [0, 1], [1, 1], [1, 0]])
# label结果标签输出
y = numpy.array([0, 1, 1, 1])

# 创建顺序模型
model = Sequential()
# 指定模型的第一层,线性模型Dense参数解释:units-输出数据个数,input_shape-输入数据个数
model.add(Dense(units=1, input_shape=(2,)))
# 添加一层激活函数,sigmoid适用于分类模型,可以把输出结果压缩到0-1之间
model.add(Activation('sigmoid'))
model.summary()  # 查看模型参数
# 模型编译,参数optimizer优化器,loss损失分类(binary_crossentropy是二分类优化算法),metrics训练过程日志打印
model.compile(optimizer="rmsprop", loss="binary_crossentropy", metrics=["accuracy", "mse"])
# 模型训练
model.fit(X, y, batch_size=4, epochs=10000)
# 模型预测
pre = model.predict(X)
print(pre)
举报

相关推荐

0 条评论