TensorFlow——LinearRegression简单模型代码
2019-05-25 21:04
1531 查看
代码函数详解
tf.random.truncated_normal()函数
tf.truncated_normal函数随机生成正态分布的数据,生成的数据是截断的正态分布,截断的标准是2倍的stddev。
zip()函数
zip() 函数用于将可迭代对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象。如果各个可迭代对象的元素个数不一致,则返回的对象长度与最短的可迭代对象相同。利用 * 号操作符,与zip相反,进行解压。
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt train_x = np.linspace(-5, 3, 50) train_y = train_x * 5 + 10 + np.random.random(50) * 10 - 5 plt.plot(train_x, train_y, 'r.') plt.grid(True) plt.show() X = tf.placeholder(dtype=tf.float32) Y = tf.placeholder(dtype=tf.float32) w = tf.Variable(tf.random.truncated_normal([1]), name='Weight') b = tf.Variable(tf.random.truncated_normal([1]), name='bias') z = tf.multiply(X, w) + b cost = tf.reduce_mean(tf.square(Y - z)) learning_rate = 0.01 optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) init = tf.global_variables_initializer() training_epochs = 20 display_step = 2 with tf.Session() as sess: sess.run(init) loss_list = [] for epoch in range(training_epochs): for (x, y) in zip(train_x, train_y): sess.run(optimizer,feed_dict={X:x, Y:y}) if epoch % display_step == 0: loss = sess.run(cost, feed_dict={X:x, Y:y}) loss_list.append(loss) print('Iter: ', epoch, ' Loss: ', loss) w_, b_ = sess.run([w, b], feed_dict={X: x, Y: y}) print(" Finished ") print("W: ", w_, " b: ", b_, " loss: ", loss) plt.plot(train_x, train_x*w_ + b_, 'g-', train_x, train_y, 'r.') plt.grid(True) plt.show()
相关文章推荐
- Tensorflow自我训练进阶(代码+注解)【2】第一个神经网络--简单感知器处理MNIST
- TensorFlow模型参数的保存和加载(含演示代码)
- tensorflow笔记:流程,概念和简单代码注释
- 【TensorFlow】MNIST(代码重构+模型持久化)
- 最简单的 TensorFlow 代码,TensorFlow Hello World 。
- 利用TensorFlow训练简单的二分类神经网络模型
- tensorflow笔记:流程,概念和简单代码注释
- tensorflow笔记:流程,概念和简单代码注释
- TensorFlow全流程样板代码:以ai challenger 场景分类和slim预训练模型为例
- tensorflow预训练简单模型及权重文件复用初始化复杂模型
- 第二个代码模型:数据表与简单Java类映射
- 简单的Tensorflow(4):线性模型分析
- tensorflow笔记:流程,概念和简单代码注释
- tensorflow学习day2简单监督学习模型及用tf.train.Saver实现检查点恢复
- tensorflow的一些代码分析(五) tensorflow模型保存和可视化
- tensorflow笔记:流程,概念和简单代码注释
- Tensorflow学习教程------读取数据、建立网络、训练模型,小巧而完整的代码示例
- LeNet-5模型详解及其TensorFlow代码实现
- tensorflow笔记:流程,概念和简单代码注释
- tensorflow程序-最简单softmax模型