Extrait de code utilisé :
from tensorflow import keras
from tensorflow.keras import layers
model = keras.Sequential()
model.add(layers.Dense(units=6, input_shape=[1]))
model.add(layers.Dense(units=128))
model.add(layers.Dense(units=128))
model.add(layers.Dense(units=1))
entree = [10, 24, 31, 40, 55]
sortie = [48, 90, 111, 138, 183]
model.compile(loss='mean_squared_error',
optimizer='Adam')
model.fit(x=entree, y=sortie, epochs=1000)
while True:
x = int(input('Nombre :'))
print(model.predict([x]))
Exemple de prédiction
Pour une entrée égale à 75, le modèle prédit :
242.99997
le résultat attendu étant 243, le modèle a correctement appris la relation mathématique.
Sequential()
crée un modèle où les couches s’ajoutent les unes à la suite des autres, comme une chaîne.
layers.Dense()
ajoute une couche de neurones entièrement connectée (chaque neurone est lié à tous ceux de la couche précédente).
input_shape=[1]
indique qu’on donne un seul nombre en entrée.
compile()
prépare le modèle pour l'entraînement (choix de l’algorithme d’apprentissage et de la fonction de mesure d’erreur).
fit()
lance l’apprentissage sur les données fournies.
predict()
permet de faire une prédiction avec une nouvelle valeur.