デフォルトのコード

#ライブラリーのimport

import tensorflow as tf

print("tensorflow version : ",tf.__version__)

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#モデルの定義

class Model(tf.keras.Model):

    def __init__(self):

        super(Model,self).__init__()

        self.fc1 = layers.Dense(1)
    def call(self,x):

        #単純な一次関数

        x = self.fc1(x)

        return x
#モデルのロード

model1 = Model()
#入力

input = tf.constant([1.],shape=(1,1),dtype='float32')
#入力に対しての出力を計算

output = model1(input)

print("output = ",(output.numpy())[0])

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#モデルの定義

class Model(tf.keras.Model):

    def __init__(self):

        super(Model,self).__init__()

        self.fc1 = layers.Dense(1)
    def call(self,x):

        #単純な一次関数

        x = self.fc1(x)

        return x
#モデルのロード

model1 = Model()

model1.build(input_shape=(None,1))
#tf.fill()のうち、二番目の引数の値が重みの変更値です。

model1.trainable_variables[0].assign(tf.fill((1,1),2.))

model1.trainable_variables[1].assign(tf.fill((1,),-1.))
#変更後の値の表示

print("Weights = ",model1.trainable_variables[0].value().numpy()[0])

print("Bias = ",model1.trainable_variables[1].value().numpy())

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#モデルの定義

class Model(tf.keras.Model):

    def __init__(self):

        super(Model,self).__init__()

        self.fc1 = layers.Dense(1)
    def call(self,x):

        #単純な一次関数

        x = self.fc1(x)

        return x
#モデルのロード

model1 = Model()

model1.build(input_shape=(None,1))
#tf.fill()のうち、二番目の引数の値が重みの変更値です。

model1.trainable_variables[0].assign(tf.fill((1,1),2.))

model1.trainable_variables[1].assign(tf.fill((1,),-1.))
#入力

input = tf.constant([[1.],[2.],[3.]],shape=(3,1))

#出力

output = model1(input)

print("output = ",output.numpy().reshape(-1,3)[0])

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#モデルの定義

class Model(tf.keras.Model):

    def __init__(self):

        super(Model,self).__init__()

        self.fc1 = layers.Dense(1)
    def call(self,x):

        #単純な一次関数

        x = self.fc1(x)

        return x
#モデルのロード

model2 = Model()

model2.build(input_shape=(None,2))
#tf.fill()のうち、二番目の引数の値が重みの変更値です。

model2.trainable_variables[0].assign(tf.constant([1.,2.],shape=(2,1),dtype='float32'))

model2.trainable_variables[1].assign(tf.fill((1,),-1.))
print("Weight = ",model2.trainable_variables[0].value().numpy().reshape(-1,2)[0])

print("Bias = ",model2.trainable_variables[1].value().numpy())

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#モデルの定義

class Model(tf.keras.Model):

    def __init__(self):

        super(Model,self).__init__()

        self.fc1 = layers.Dense(1)
    def call(self,x):

        #単純な一次関数

        x = self.fc1(x)

        return x
#モデルのロード

model2 = Model()

model2.build(input_shape=(None,2))
#tf.fill()のうち、二番目の引数の値が重みの変更値です。

model2.trainable_variables[0].assign(tf.constant([1.,2.],shape=(2,1),dtype='float32'))

model2.trainable_variables[1].assign(tf.fill((1,),-1.))
#入力に対しての出力を計算

input = tf.constant([[1.,2],[2.,3],[3.,4]],shape=(3,2))

output = model2(input)

print("output = ",output.numpy().reshape(-1,3)[0])

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

class Model(tf.keras.Model):

    def __init__(self):

        super(Model,self).__init__()

        self.fc1 = layers.Dense(2)
    def call(self,x):

        #二変数関数

        x = self.fc1(x)

        return x
#モデルのロード

model3 = Model()

model3.build(input_shape=(None,2))
#tf.fill()のうち、二番目の引数の値が重みの変更値です。

model3.trainable_variables[0].assign(tf.constant([[1.,2.],[-1.,-2.]],shape=(2,2),dtype='float32'))

model3.trainable_variables[1].assign(tf.fill((2,),-1.))
#2変数のデータを3組読み込む

input = tf.constant([[1.,-1],[2.,-2],[3.,-3]],shape=(3,2))

output = model3(input)

print("output = ",output.numpy().reshape(-1,3))

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#モデルの定義

class NNModel(tf.keras.Model):

    def __init__(self):

        super(NNModel,self).__init__()

        self.fc1 = layers.Dense(4)

        self.fc2 = layers.Dense(4)

        self.fc3 = layers.Dense(2)
    def call(self,x):

        #順伝播

        x = self.fc1(x)

        x = self.fc2(x)

        x = self.fc3(x)

        return x
#任意の入力を与えてみる

#今回は次元4のデータを1組用意しましょう。

nn_model = NNModel()

input = tf.random.uniform([1,4])

output = nn_model(input)
print("出力 : ",output)

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#演習

#Noneの部分をうめましょう

class NNModel(tf.keras.Model):

    def __init__(self):

        super(NNModel,self).__init__()

　　 #ネットワークの構成は題意で指示があった通り

        self.fc1 = layers.Dense(None)

        self.fc2 = layers.Dense(None)

        self.fc3 = layers.Dense(None)
    def call(self,None):

        #順伝播

        None = self.fc1(None)

        None = self.fc2(None)

        None = self.fc3(None)

        return None
#任意のデータを生成して、出力を計算してみましょう。今回は入力として次元1000のデータを100組用意しましょう。

nn_model = NNModel()

input = tf.random.uniform([None,None])

output = nn_model(input)
print("入力の次元 = ", input.shape)

print("出力の次元 = ", output.shape)

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#演習

#Noneの部分をうめましょう

class NNModel(tf.keras.Model):

    def __init__(self):

        super(NNModel,self).__init__()

        #ネットワークの構成は題意で指示があった通り

        self.fc1 = layers.Dense(500)

        self.fc2 = layers.Dense(100)

        self.fc3 = layers.Dense(10)
    def call(self,x):

        #順伝播

        x = self.fc1(x)

        x = self.fc2(x)

        x = self.fc3(x)

        return x
#任意のデータを生成して、出力を計算してみましょう。今回は入力として次元1000のデータを100組用意しましょう。

nn_model = NNModel()

input = tf.random.uniform([100,1000])

output = nn_model(input)
print("入力の次元 = ", input.shape)

print("出力の次元 = ", output.shape)

デフォルトのコード

import pandas as pd

import numpy as np

from sklearn.model_selection import train_test_split

df = pd.read_csv("/mnt/lib/ztodataset/data/BostonHousing.csv")

df_numpy = df.to_numpy()
data = df_numpy[:,:13]
label = df_numpy[:,13]
x_train, x_test, y_train, y_test = train_test_split(data, label)
print("x_train shape",x_train.shape)

print("y_train shape",y_train.shape)

print("x_test shape",x_test.shape)

print("y_test shape",y_test.shape)

デフォルトのコード

import pandas as pd

import numpy as np

from sklearn.model_selection import train_test_split

import matplotlib.pyplot as plt 

df = pd.read_csv("/mnt/lib/ztodataset/data/BostonHousing.csv")

df_numpy = df.to_numpy()
data = df_numpy[:,:13]
label = df_numpy[:,13]
x_train, x_test, y_train, y_test = train_test_split(data, label)
x_train = x_train[:,[5,6,12]]
x_test = x_test[:,[5,6,12]]
figure = plt.figure(figsize=(10,10))

feature_vars = ['RM','AGE','LSTAT']
for i in range(3):

    ax = figure.add_subplot(2,2,i+1)

    ax.scatter(x_train[:,i],y_train,color="blue",edgecolors='k')

    plt.xlabel(feature_vars[i])

    plt.ylabel("House Price")

plt.show()

デフォルトのコード

import tensorflow as tf

from tensorflow.keras import layers,models

#演習

#ある程度作りこんだネットワークを記述しております。

#このモデルを改良するようなネットワークを作成しましょう。

class NNModel(tf.keras.Model):

    def __init__(self):

        super(NNModel,self).__init__()

        self.fc1 = layers.Dense(64,activation='relu')

        self.fc2 = layers.Dense(64,activation='relu')

        self.fc3 = layers.Dense(1)
    def call(self,x):

        #順伝播

        x = self.fc1(x)

        x = self.fc2(x)

        x = self.fc3(x)

        return x
nn_model = NNModel()

nn_model.build(input_shape=(None,13))

nn_model.summary()

デフォルトのコード

import pandas as pd

import numpy as np

from sklearn.model_selection import train_test_split

import matplotlib.pyplot as plt 

df = pd.read_csv("/mnt/lib/ztodataset/data/BostonHousing.csv")

df_numpy = df.to_numpy()
data = df_numpy[:,:13]
label = df_numpy[:,13]
x_train, x_test, y_train, y_test = train_test_split(data, label)
x_train = x_train[:,[5,6,12]]
x_test = x_test[:,[5,6,12]]
#モデルの定義

import tensorflow as tf

from tensorflow.keras import layers,models
#演習

#ある程度作りこんだネットワークを記述しております。

#このモデルを改良するようなネットワークを作成しましょう。

class NNModel(tf.keras.Model):

    def __init__(self):

        super(NNModel,self).__init__()

        self.fc1 = layers.Dense(64,activation='relu')

        self.fc2 = layers.Dense(64,activation='relu')

        self.fc3 = layers.Dense(1)
    def call(self,x):

        #順伝播

        x = self.fc1(x)

        x = self.fc2(x)

        x = self.fc3(x)

        return x
nn_model = NNModel()
opt = tf.keras.optimizers.Adam(learning_rate=0.001)

nn_model.compile(loss='mse',

              metrics=['mae'],

              optimizer=opt)
history = nn_model.fit(x_train, y_train, epochs=100,validation_split=0.2,verbose=0)
#学習結果を可視化

figure = plt.figure(figsize=(10,5))
ax1 = figure.add_subplot(1,2,1)

ax1.plot(history.history['mae'], label='train mae')

ax1.plot(history.history['val_mae'], label='val mae')

ax1.set_xlabel('epoch')

ax1.set_ylabel('Mae')

plt.legend(loc='best')
ax2 = figure.add_subplot(1,2,2)

ax2.plot(history.history['loss'], label='train loss')

ax2.plot(history.history['val_loss'], label='val loss')

ax2.set_xlabel('epoch')

ax2.set_ylabel('Loss')

plt.legend(loc='best')

デフォルトのコード

import pandas as pd

import numpy as np

from sklearn.model_selection import train_test_split

import matplotlib.pyplot as plt 

df = pd.read_csv("/mnt/lib/ztodataset/data/BostonHousing.csv")

df_numpy = df.to_numpy()
data = df_numpy[:,:13]
label = df_numpy[:,13]
x_train, x_test, y_train, y_test = train_test_split(data, label)
x_train = x_train[:,[5,6,12]]
x_test = x_test[:,[5,6,12]]
#モデルの定義

import tensorflow as tf

from tensorflow.keras import layers,models
#演習

#ある程度作りこんだネットワークを記述しております。

#このモデルを改良するようなネットワークを作成しましょう。

class NNModel(tf.keras.Model):

    def __init__(self):

        super(NNModel,self).__init__()

        self.fc1 = layers.Dense(64,activation='relu')

        self.fc2 = layers.Dense(64,activation='relu')

        self.fc3 = layers.Dense(1)
    def call(self,x):

        #順伝播

        x = self.fc1(x)

        x = self.fc2(x)

        x = self.fc3(x)

        return x
nn_model = NNModel()
opt = tf.keras.optimizers.Adam(learning_rate=0.001)

nn_model.compile(loss='mse',

              metrics=['mae'],

              optimizer=opt)
history = nn_model.fit(x_train, y_train, epochs=100,validation_split=0.2,verbose=0)
# 推論した住宅価格

prediction = nn_model.predict(x_test).flatten()
figure = plt.figure(figsize=(10,10))

feature_vars = ['RM','AGE','LSTAT']
for i in range(3):

    ax = figure.add_subplot(2,2,i+1)

    ax.scatter(x_test[:,i],y_test,color="blue",edgecolors='k')

    ax.scatter(x_test[:,i],prediction,color="orange",edgecolors='k')

    plt.legend(['test_value','prediction_value'])

    plt.xlabel(feature_vars[i])

    plt.ylabel("House Price")