Предсказание модели в TensorFlow

Для новых строк таблицы признаков строят прогноз методом predict. Модель должна быть обучена: веса уже подобраны под эталоны. На выходе - таблица ответов той же длины партии, что и вход.

Обучим короткую модель на двух точках и запросим ответ для нового признака:

import tensorflow as tf
import numpy as np

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,)),
])
model.compile(
	optimizer=tf.keras.optimizers.SGD(
		learning_rate=0.1
	),
	loss="mse",
)
train_x = np.array(
	[[1.0], [2.0]], dtype=np.float32
)
train_y = np.array(
	[[3.0], [5.0]], dtype=np.float32
)
model.fit(train_x, train_y, epochs=2, verbose=0)
new_x = np.array([[4.0]], dtype=np.float32)
print(model.predict(new_x, verbose=0))
# выведет [[1.3520892]]

Если новых строк несколько, прогноз содержит столько же строк. Вход можно задать тензором:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,)),
])
model.compile(optimizer="sgd", loss="mse")
train_x = tf.constant([[0.0], [1.0]])
train_y = tf.constant([[0.0], [2.0]])
model.fit(train_x, train_y, epochs=2, verbose=0)
new_x = tf.constant([[2.0], [3.0]])
print(model.predict(new_x, verbose=0))
# выведет [[0.2240426] [0.3168991]]

Подберите веса на парах (1, 2) и (2, 4). Выведите прогноз для признака 3.

Обучите модель на точках (0, 1) и (1, 3). Постройте ответы для 2 и 4 в одной таблице.

Задайте две обучающие строки [1.0, 1.0] и [2.0, 0.0] с целями 2.0 и 1.0. Получите прогноз для строки [3.0, 1.0].