标签：身高体重 const tensor 人工智能 前端 tf 20 model div

<script src="js/tf.js">
</script>
<script src="js/vis.js"></script>
<script>
    window.onload = async() => {
        const heights = [150, 160, 170];
        const weights = [40, 50, 60];

        tfvis.render.scatterplot({
            name: '身高体重训练数据'
        }, {
            values: heights.map((x, i) => ({
                x,
                y: weights[i]
            }))
        }, {
            xAxisDomain: [140, 180],
            yAxisDomain: [30, 70]
        });
        // 进行数据归一化
        const inputs = tf.tensor(heights).sub(150).div(20);
        const labels = tf.tensor(weights).sub(40).div(20);
        // 简历连续性模型
        const model = tf.sequential();
        // 添加全连接层
        model.add(tf.layers.dense({
            // 神经元个数
            units: 1,
            // 输入数据的形状
            inputShape: [1]
        }));
        // 设置损失函数和优化器
        model.compile({
            loss: tf.losses.meanSquaredError,
            // 随机梯度下降法
            optimizer: tf.train.sgd(0.1)
        });

        await model.fit(inputs, labels, {
            batchSize: 3, //批量数据
            epochs: 200,
            callbacks: tfvis.show.fitCallbacks({
                name: '训练过程'
            }, ['loss'])
        });

        const output = model.predict(tf.tensor([180]).sub(150).div(20));
        alert(`如果身高为 180cm，那么预测体重为 ${output.mul(20).add(40).dataSync()[0]}kg`);
    }
</script>

标签：身高体重,const,tensor,人工智能,前端,tf,20,model,div
来源： https://blog.51cto.com/u_11641800/3034064

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。