【吴恩达机器学习高级学习算法笔记】3-代码中的推理，TensorFlow中的数据，构建一个神经网络

以x为好咖啡例，在三角形中为好，x轴取温度，y取时间进行处理

array后一个[]是一维数组，两个[][]是二维数组

Tensor就是TensorFlow中表示矩阵的方法

这张图片的主题是关于构建神经网络架构的。
第一层（隐藏层）：
layer_1 = Dense(units=3, activation="sigmoid")
这行代码定义了一个具有 3 个神经元的全连接层，激活函数为 Sigmoid。
第二层（输出层）：
layer_2 = Dense(units=1, activation="sigmoid")
这行代码定义了一个具有 1 个神经元的全连接层，激活函数为 Sigmoid。

构建模型
model = Sequential([layer_1, layer_2])
这行代码将定义的两层组合成一个顺序模型（Sequential model）。

定义输入数据（x）和目标数据（y）
x = np.array([[200.0, 17.0],
[120.0, 5.0],
[425.0, 20.0],
[212.0, 18.0]])
这里定义了一个 4x2 的 NumPy 数组，表示输入数据。
targets y = np.array([1,0,0,1])
这里定义了一个包含 4 个元素的 NumPy 数组，表示目标数据。

模型编译和训练（部分）
model.compile(...)
model.fit(x, y)
这两行代码用于编译和训练模型。这部分内容将在下详细讲解。

模型预测
model.predict(x_new)
这行代码用于对新数据进行预测。