tensorflow模块练习,构造线性回归模型
程序员文章站
2024-03-21 08:11:34
...
上代码:
#导入模块
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
num_points=1000 #随机生成100个点,围绕在y=0.1x+0.3的直线周围
vectors_set=[] #用来保存1000次随机生成的x,y的值
for i in range(num_points):
x1=np.random.normal(0.0,0.55) # 均值0.0,标准差0.55
y1=x1*0.1+0.3+np.random.normal(0.0,0.03) # 均值0.0,标准差0.03
vectors_set.append([x1,y1])
x_data=[v[0] for v in vectors_set]
y_data=[v[1] for v in vectors_set]
W=tf.Variable(tf.random_uniform([1],-1.0,1.0,name='W')) #生成1维的W矩阵,取值是[-1,1]之间的随机数
b=tf.Variable(tf.zeros([1],name='b')) #生成一维的b矩阵
y=W*x_data+b #构建模型
loss=tf.reduce_mean(tf.square(y-y_data),name='loss') #损失值
optimizer=tf.train.GradientDescentOptimizer(0.5) #采用梯度下降法来优化参数
train=optimizer.minimize(loss,name='train') #训练的过程就是最小化这个误差值
sess=tf.Session() #打开会话
init=tf.global_variables_initializer() #初始化全局变量
sess.run(init) #运行全局变量
print(f'W = {sess.run(W)}',f'b = {sess.run(b)}',f'loss = {sess.run(loss)}') #没有训练之前的值
print('*'*100)
for i in range(50):
sess.run(train)# 开始训练
print(f'W = {sess.run(W)}',f'b = {sess.run(b)}',f'loss = {sess.run(loss)}')
plt.scatter(x_data,y_data,c='r')
plt.show()
上一篇: finalize()为什么不能在main方法中使用
下一篇: MySQL5.7.18解压版安装步骤