TensorFlowを使用してAutoMPGデータセット上にDNN（ディープニューラルネットワーク）モデルを構築するにはどうすればよいですか？

Tensorflowは、Googleが提供する機械学習フレームワークです。これは、Pythonと組み合わせて使用​​されるオープンソースのフレームワークであり、アルゴリズム、深層学習アプリケーションなどを実装します。研究や生産目的で使用されます。

Tensorは、TensorFlowで使用されるデータ構造です。フロー図のエッジを接続するのに役立ちます。このフロー図は「データフローグラフ」と呼ばれます。テンソルは多次元配列またはリストに他なりません。

私たちが使用するデータセットは「自動MPG」データセットと呼ばれます。 1970年代と1980年代の自動車の燃費が含まれています。これには、重量、馬力、排気量などの属性が含まれます。これにより、特定の車両の燃料効率を予測する必要があります。

Google Colaboratoryを使用して、以下のコードを実行しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 Colaboratoryは、JupyterNotebookの上に構築されています。以下はコードスニペットです-

例

print("DNN model")
history = dnn_horsepower_model.fit(
   train_features['Horsepower'], train_labels,
   validation_split=0.2,
   verbose=0, epochs=100)
print("Error with respect to every epoch")
plot_loss(history)
x = tf.linspace(0.0, 250, 251)
y = dnn_horsepower_model.predict(x)
plot_horsepower(x, y)
test_results['dnn_horsepower_model'] = dnn_horsepower_model.evaluate(
   test_features['Horsepower'], test_labels,
   verbose=0)

コードクレジット-https：//www.tensorflow.org/tutorials/keras/regression

出力

説明

• DNNはディープニューラルネットワークを指し、この場合、単一の入力、つまり「馬力」を持っています。

• このモデルはトレーニングデータに適合しています。

• 「履歴」に保存されている統計パラメータがコンソールにプロットされます。

• 予測が行われ、これらは「評価」方法を使用して評価されます。