GitHub

https://github.com/calciferer/LearnKeras

简介

• 通过一个简单的二次方程回归来学习Keras的使用
• 需求：定义一个keras模型，让模型拟合这个回归方程
  $y=2x^2+1$
• 与线性回归类似，可以参考【keras】应用实践(1) 线性回归

Keras实现

• 生成随机数据

    def gen_data(self):
        """
        生成x，y数据。这里拟合一个非线性函数 y = 2 * x^2 + 1
        """

        # 生成训练集数据
        # x从0到10，生成101个
        x_train = np.linspace(0, 10, 101)
        y_train = 2 * (x_train ** 2) + 1
        self.x_train = x_train
        self.y_train = y_train
        return x_train, y_train

• 训练模型

    def trainByKeras(self):
        """
        通过Keras来训练
        """
        model = Sequential()
        model.add(Dense(units=20, input_dim=1, activation='relu'))
        model.add(Dense(units=1))
        model.compile('adam', loss='mse')
        model.fit(self.x_train, self.y_train, epochs=20000, batch_size=101)
        self.model = model
        return model

• 解释
  这里采用含有20个单元的隐藏层，每个单元的激活函数为Relu
  输出层1个单元
  梯度下降算法为Adam
• 结果
  
  最后的loss为：

loss: 0.8106

最后

以上就是平常小笼包为你收集整理的【keras】应用实践(2) 非线性回归GitHub简介Keras实现的全部内容，希望文章能够帮你解决【keras】应用实践(2) 非线性回归GitHub简介Keras实现所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。