Сценарий использования

  • Проверьте версию tensorflow 2.4 и запустите образец кода для проверки.
  • Создать модель бинарной классификации
  • Классификация глубокого обучения на обычном табличном наборе данных

Требования

  • Учетная запись Azure
  • Учетная запись машинного обучения Azure
  • Создать вычислительный экземпляр
  • набор данных minst

Код

import tensorflow as tf; 
print(tf.__version__)
import tensorflow as tf 
from tensorflow.keras.layers import Dense, Flatten, Conv2D 
from tensorflow.keras import Model 
from tensorflow.keras.layers import Input, Dense, Activation,Dropout from tensorflow.keras.models import Model
  • Прочтите набор данных
  • набор данных находится в папке
diabetes = pd.read_csv(r'diabetes.csv')
diabetes.head()
  • Разделить набор данных
  • Данные X для функций
  • y для этикеток
y = diabetes.iloc[:,10] 
X = diabetes.iloc[:,:10]
from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=42)
input_layer = Input(shape=(X.shape[1],))
dense_layer_1 = Dense(15, activation='relu')(input_layer)
dense_layer_2 = Dense(10, activation='relu')(dense_layer_1)
output = Dense(1, activation='softmax')(dense_layer_2)

model = Model(inputs=input_layer, outputs=output)
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['acc'])
print(model.summary())
history = model.fit(X_train, y_train, batch_size=8, epochs=50, verbose=1, validation_split=0.2)
score = model.evaluate(X_test, y_test, verbose=1)

print("Test Score:", score[0])
print("Test Accuracy:", score[1])

Первоначально опубликовано на https://github.com.