# Импорт библиотек
import tensorflow as tf
import numpy as np
from sklearn.model_selection import train_test_split
# Подготовка данных
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([[0], [1], [1], [0]])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# Определение архитектуры нейросети
model = tf.keras.Sequential([
tf.keras.layers.Dense(4, input_shape=(2,), activation='relu'),
tf.keras.layers.Dense(1, activation='sigmoid')
])
# Инициализация весов
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Обучение нейросети
history = model.fit(X_train, y_train, epochs=1000, validation_data=(X_test, y_test))
# Оценка качества модели
loss, accuracy = model.evaluate(X_test, y_test)
print('Loss:', loss)
print('Accuracy:', accuracy)
# Финальное тестирование
X_new = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y_pred = model.predict(X_new)
print('Predictions:', y_pred)
Конец ознакомительного фрагмента.
Текст предоставлен ООО «Литрес».
Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.