定义模型结构-可视化训练模型过程day03

定义模型结构：单层单个神经元组成的神经网络

操作步骤：

1. 初始化一个神经网络模型
2. 为神经网络模型添加层
3. 设计层的神经元个数和inputShape（输入形状）
   // 连续的模型
   const model = tf.sequential(); // 全链阶层 /* dense：全链阶层 units:神经元个数1，单个足够用 inputShape: 1维 */ model.add(tf.layers.dense({ units:1, inputShape: [1] }));

损失函数，均方误差MSE

操作步骤：

1. 跟着Google机器学习速成教程理解损失函数与均方误差;
   (机器学习速成教程)https://developers.google.cn/machine-learning/crash-course/descending-into-ml/training-and-loss

2. 在Tensorflow.js中设置损失函数

   // 损失函数
   /*
   meanSquaredError均方误差
   */
   model.compile({ loss: tf.losses.meanSquaredError });

优化器：随机剃度下降SGD

操作步骤：
model.compile({ loss: tf.losses.meanSquaredError, optimizer: tf.train.sgd() });

训练模型并可视化训练过程

1. 将训练数据转为Tensor
2. 训练类型
3. 使用tfvis可视化训练过程
   配置package.json(适配async await)
   "browserslist": ["last 1 Chrome version"]

` const inputs = tf.tensor(xs); // 将数据转为tensor
const labels = tf.tensor(ys);
await model.fit(inputs, labels, {
batchSize: 1, // 样本
epochs: 100, // 训练几次
callbacks: tfvis.show.fitCallbacks(
{ name: '训练过程' },
['loss']

    )
});`