TensorFlow入门实例训练——拟合平面训练
需要了解基本面的Python的numpy包,经过多次测试,基本上训练260次左右就基本稳定不变了。
运行环境:
Python 3.6.4
TensorFlow 1.6.0
Anaconda 5.1
Numpy 1.14.0
y_data=np.dot([0.200,0.300],x_data)+0.500
可以通过修改y_data=np.dot([0.200,0.300],x_data)+0.500中的0.200,0.300,0.500进行变换测试训练。本实例仅作为入门学习使用,更深入的需进一步学习。
import tensorflow as tf
import numpy as np
import sys #未用到
#生成数据
x_data=np.float32(np.random.rand(2,100))#随机输入
y_data=np.dot([0.200,0.300],x_data)+0.500
print(x_data)
print(y_data)
#构造一个线性模型
b=tf.Variable(tf.zeros([1]))
w=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))
y=tf.matmul(w,x_data)+b
#求解模型
#设置损失函数
loss=tf.reduce_mean(tf.square(y-y_data))
#选择梯度下降的方法
optimizer=tf.train.GradientDescentOptimizer(0.5)
#最小损失函数
train=optimizer.minimize(loss)
#初始化变量
init=tf.global_variables_initializer()
#设置tf度gpu按需分配
config=tf.ConfigProto()
config.gpu_options.allow_growth=True
#启动图
sess=tf.Session(config=config)
sess.run(init)
#迭代 反复执行上面的最小化损失函数,拟合平面
for step in range(0,501):
sess.run(train)
print(step,sess.run(w),sess.run(b)
我们是人工智能,深度学习最有活力的社群。请关注我们,也可以从我们详情页加入我们社群!



4000520066 欢迎批评指正
All Rights Reserved 新浪公司 版权所有