Godot学习指南

import tensorflow as tf
from sklearn import datasets
import numpy as np

x_train=datasets.load_iris().data
y_train=datasets.load_iris().target

np.random.seed(116)
np.random.shuffle(x_train)
np.random.seed(116)
np.random.shuffle(y_train)
tf.random.set_seed(116)

model=tf.keras.models.Sequential([tf.keras.layers.Dense(3,activation=‘softmax‘,kernel_regularizer=tf.keras.regularizers.l2())])

model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.1),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),#由于末端使用了softmax函数，使输出是概率分布而不是原始输出，故选FALSE
              metrics=[‘sparse_categorical_accuracy‘])
             #由于鸢尾花数据集给的标签是0/1/2，是数值，神经网络前向传播的输出是概率分布，故选择‘sparse_categorical_accuracy‘

model.fit(x_train,y_train,batch_size=32,epochs=500,validation_split=0.2,validation_freq=40)

model.summary()