深度学习入门demo:样本数据为y=0.7x+3.1函数的模型训练过程
程序员文章站
2022-04-08 09:02:24
...
案例简介:样本数据为y=0.7x+3.1函数的样本随机点;通过建立模型、训练优化最后预测出这些样本可以用哪个模型来保存,为之后的样本扩大提供了基础。
具体代码如下:
# -*- coding: utf-8 -*-
"""
Created on Thu Jun 4 17:58:43 2020
@author: Dell
"""
#深度学习:根据样本数据,构建一个足够准确的模型
import tensorflow as tf
import numpy as np
x1=np.random.rand(300)#随机生成300个点
y1=x1*0.7+3.1#这为样本数据
#构建、训练模型
b=tf.Variable(0.)
k=tf.Variable(0.)
y=k*x1+b#构建的模型
#定义二次代阶函数 使模型的参数尽量准确
loss=tf.reduce_mean(tf.square(y1-y))#使真实值与模型预测值足够接近
#定义一个梯度下降法训练优化器
optimizer=tf.train.GradientDescentOptimizer(0.3)
#最小化上头定义的待代阶函数
train=optimizer.minimize(loss)
#初始化变量
initial=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(initial)
for count in range(402):
sess.run(train)
if count%100==0:
print(count,":",sess.run([k,b]))
if count==401:
print(count,"_end:",sess.run([k,b]))
结果分析:
具体结果如下图,一共训练了402次,可以看出最后的k与b已经接近样本数据的参数。
上一篇: 腐竹怎么保存不发霉呢?腐竹应该怎么挑选?