欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

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()

tensorflow模块练习,构造线性回归模型
tensorflow模块练习,构造线性回归模型