Международная научно-техническая конференция «Практическое применение технических и цифровых технологий и их инновационных решений», татуфф, Фергана, 4 мая 2023 г

Искусственный интеллект, методы и технологии информационной безопасности 
Международная научно-техническая конференция «Практическое применение технических и 
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г. 
468
model = tf.keras.models.Sequential([ 
tf.keras.layers.Flatten(input_shape=(28, 28)), 
tf.keras.layers.Dense(128, activation='relu'), 
tf.keras.layers.Dropout(0.2), 
tf.keras.layers.Dense(10) 
]) 
predictions = model(x_train[:1]).numpy() 
print(predictions) 
tf.nn.softmax(predictions).numpy() 
loss_fn 
= 
tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) 
model.compile(optimizer='adam', 
loss=loss_fn, 
metrics=['accuracy']) 
model.fit(x_train, y_train, epochs=5) 
model.evaluate(x_test, y_test, verbose=2) 
In this example, we first load the MNIST dataset, which consists of 
images of handwritten digits. We then normalize the pixel values to be between 
0 and 1. 
Next, we define a neural network using the Sequential API. This network 
has two dense layers and a dropout layer to prevent overfitting. The final layer 
has 10 output nodes, one for each digit. 
We then make a prediction on the first image in the training set and print 
the result. We also apply the softmax function to the output to get a probability 
distribution over the digits. 
We define the loss function and compile the model with the Adam 
optimizer. We then train the model for 5 epochs and evaluate its performance on 
the test set. 

Sun’iy intelekt, axborot xavfsizligi texnikasi va texnologiyalari 
Международная научно-техническая конференция «Практическое применение технических и 
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г. 
469
This is just a simple example of what TensorFlow can do. The library is 
capable of much more complex computations, including image recognition, 
natural language processing, and more. 
TensorFlow is a powerful library for building and training machine 
learning models. It provides a wide range of tools and APIs for building and 
deploying models, making it a popular choice for both beginners and experts in 
the field. 
In this guide, we have provided an overview of TensorFlow and how to 
get started using it. We encourage you to explore the library further and 
experiment with building your own models. With its scalability and flexibility, 
TensorFlow has the potential to revolutionize the field of machine learning and 
drive innovation in many industries. 

Download 6,64 Mb.