python3 tensorflow

最新推荐文章于 2024-06-08 14:37:14 发布

都市朝阳

最新推荐文章于 2024-06-08 14:37:14 发布

阅读量378

点赞数

CC 4.0 BY-SA版权

分类专栏：计算机视觉应用

本文链接：https://blog.csdn.net/gengzg/article/details/78723243

计算机视觉应用专栏收录该内容

29 篇文章 ¥79.90 ¥99.00

订阅专栏

该博客介绍了如何在Python3环境中利用TensorFlow库构建一个深层神经网络（DNN）分类器。首先导入所需的库，然后加载鸢尾花数据集作为训练和测试数据。接着，定义特征列，并创建一个具有3层隐藏层（每层节点数分别为100, 200, 100）的DNN分类器。模型在训练集上训练2000步后，计算并打印测试集的精度。最后，展示了如何用分类器预测新样本的类别。" 125018614,13152790,汇编语言实验解析：数据段、代码段与栈段探究,"['开发语言', '汇编语言', '操作系统', '调试']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#加载包
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf
import numpy as np


# 数据集名称，数据集要放在你的工作目录下
IRIS_TRAINING = "d:/mhuanjing.csv"
IRIS_TEST = "d:/mhuanjing.csv"

# 数据集读取，训练集和测试集
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TRAINING,target_dtype=np.int,features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(filename=IRIS_TEST,target_dtype=np.int,features_dtype=np.float32)

# 特征
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=18)]

# 构建DNN网络，3层，每层分别为10,20,10个节点
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,hidden_units=[100, 200, 100],n_classes=7,model

了解本专栏