Các tầng dày đặc

Nhập môn TensorFlow bằng Python

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

Mô hình hồi quy tuyến tính

Sơ đồ cho thấy mô hình hồi quy với hai đặc trưng: tình trạng hôn nhân và tuổi. Mục tiêu của mô hình là tình trạng vỡ nợ của người vay thẻ tín dụng.

Sơ đồ cho thấy một mạng nơ-ron với hai đầu vào đặc trưng: tình trạng hôn nhân và tuổi. Mục tiêu là tình trạng vỡ nợ của người vay thẻ tín dụng.

Hình ảnh cho thấy mạng nơ-ron phức tạp hơn với 10 đặc trưng đầu vào, 3 tầng ẩn dense và một tầng đầu ra.

import tensorflow as tf

# Định nghĩa đầu vào (đặc trưng)
inputs = tf.constant([[1, 35]])

# Định nghĩa trọng số
weights = tf.Variable([[-0.05], [-0.01]])

# Định nghĩa độ chệch (bias)
bias = tf.Variable([0.5])

# Nhân đầu vào (đặc trưng) với trọng số
product = tf.matmul(inputs, weights)

# Định nghĩa tầng dense
dense = tf.keras.activations.sigmoid(product+bias)

Sơ đồ cho thấy một tầng dense nhận hai nút đầu vào và tạo ra một đầu ra.

import tensorflow as tf

# Định nghĩa tầng đầu vào (đặc trưng)
inputs = tf.constant(data, tf.float32)

# Định nghĩa tầng dense đầu tiên
dense1 = tf.keras.layers.Dense(10, activation='sigmoid')(inputs)

# Định nghĩa tầng dense thứ hai
dense2 = tf.keras.layers.Dense(5, activation='sigmoid')(dense1)

# Định nghĩa tầng đầu ra (dự đoán)
outputs =  tf.keras.layers.Dense(1, activation='sigmoid')(dense2)

Sơ đồ cho thấy một tầng dense nhận hai nút đầu vào và tạo ra một đầu ra.

dense = keras.layers.Dense(10,\
 activation='sigmoid')

prod = matmul(inputs, weights)
dense = keras.activations.sigmoid(prod)

Nhập môn TensorFlow bằng Python