? ? ? ? iris數據集是一類多重變量分析的小數據集，包含150個數據，分為3類，每類50個數據，在大部分的機器學習工具中都是自帶的，本文基于sklearn工具讀取該數據集。

第一步：導入相應模塊并讀取數據

import tensorflow as tf import numpy as np from sklearn.datasets import load_iris#讀取數據 data = load_iris() iris_data = np.float32(data.data) #數據讀取 iris_target = (data.target) iris_target = np.float32(tf.keras.utils.to_categorical(iris_target,num_classes=3))

第二步：使用keras構建三層網絡模型

input_xs = tf.keras.Input(shape=(4,), name='input_xs') out = tf.keras.layers.Dense(32, activation='relu', name='dense_1')(input_xs) out = tf.keras.layers.Dense(64, activation='relu', name='dense_2')(out) logits = tf.keras.layers.Dense(3, activation="softmax",name='predictions')(out) model = tf.keras.Model(inputs=input_xs, outputs=logits)

第三步：設置優化器與損失函數?

opt = tf.optimizers.Adam(1e-3) loss = tf.losses.categorical_crossentropy

第四步：開始訓練?

#模型訓練 model.compile(optimizer=opt, loss=loss, metrics = ['accuracy']) model.fit(x=iris_data,y=iris_target,batch_size=128, epochs=1000) #fit函數載入數據 score = model.evaluate(iris_data, iris_target) print("last score:",score)

?訓練結果：

?

總結

以上是生活随笔為你收集整理的基于tensorflow的iris数据集分类示例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。