【python】tensorflow和pytorch神经网络一元二次函数拟合
目录
一、在TensorFlow中,首先定义
二、统一的任务,pytorch来实现一下
先看下要做的内容,创建一元二次函数y=x平方-0.5,其中为了更符合散点图模拟需要,在方程加噪点,以标准方差0.05行驶,如图所示
折线图
散点图
下面我们要做的,是要计算机自动拟合出该散点图的函数,画出图样,如图
下面,就通过TensorFlow来看如何做出这个样子
一、在TensorFlow中,首先定义
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
#定义隐藏层
def add_layer(inputs,in_size,out_size,activation_function=None):Weights=tf.Variable(tf.random_normal([in_size,out_size])) #权值biases=tf.Variable(tf.zeros([1,out_size])+0.1) #偏置Wx_plus_b=tf.matmul(inputs,Weights)+biases #z=wx+bif activation_function is None:outputs=Wx_plus_belse:outputs=activation_function(Wx_plus_b)return outputs#make up some real data
x_data=np.linspace(-1,1,300)[:,np.newaxis]#加维度
noise=np.random.normal(0,0.05,x_data.shape)#加噪点,标准方差0.05
y_data=np.square(x_data)-0.5+noise #y=square(x)-0.5+noise#train_step所要输入的值
xs=tf.placeholder(tf.float32,[None,1])
ys=tf.placeholder(tf.float32,[None,1])
###建立第一,二次隐藏层layer
###add_layer(inputs,in_size,out_size,activation_function=None)
l1=add_layer(xs,1,10,activation_function=tf.nn.relu)#激励函数(activation_function)ReLU
prediction=add_layer(l1,10,1,activation_function=None)#创建损失函数
loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)#梯度下降优化器,减少误差,学习效率0.1#important step
init=tf.initialize_all_variables()
sess=tf.Session()
sess.run(init)
#绘图部分
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.scatter(x_data,y_data)
plt.ion()#不暂停
plt.show()#学习1000步
for i in range(1000):sess.run(train_step,feed_dict={xs:x_data,ys:y_data})if i%50==0:#print(sess.run(loss,feed_dict={xs:x_data,ys:y_data})) #输出误差try:ax.lines.remove(lines[0])except Exception:passprediction_value=sess.run(prediction,feed_dict={xs:x_data})lines=ax.plot(x_data,prediction_value,'r',lw=5)plt.pause(0.1)
输出误差截图,每50次输出一次,截图如下
误差逐渐递减的截图
这样就完成了
二、统一的任务,pytorch来实现一下
import torch
from torch.autograd import Variable
import torch.nn.functional as F
import matplotlib.pylab as pltx=torch.unsqueeze(torch.linspace(-1,1,100),dim=1) #dim=0列 dim=1行 (100,1)
y=x.pow(2)+0.2*torch.rand(x.size()) #pow平方x,y=Variable(x),Variable(y)# plt.scatter(x.data.numpy(),y.data.numpy())
# plt.show()class Net(torch.nn.Module):def __init__(self,n_features,n_hidden,n_output):super(Net,self).__init__()#定义网络有哪些层self.hidden=torch.nn.Linear(n_features,n_hidden)self.predict=torch.nn.Linear(n_hidden,n_output)#定义层的具体形式def forward(self,x):x=F.relu(self.hidden(x))y=self.predict(x)return ynet=Net(1,10,1)
print(net)##可视化,实时打印
plt.ioff()
plt.show()optimizer=torch.optim.SGD(net.parameters(), lr=0.5)
loss_func=torch.nn.MSELoss()for t in range(100):prediction=net(x)loss=loss_func(prediction,y)#优化步骤optimizer.zero_grad()####每次循环,梯度都先设为0loss.backward()optimizer.step()if t%5==0:plt.cla()plt.scatter(x.data.numpy(),y.data.numpy())plt.plot(x.data.numpy(),prediction.data.numpy(),'r-',lw=5)plt.text(0.5,0,'loss=%.4f'%loss.data.numpy(),fontdict={'size':20,'color':'red'})plt.pause(0.1)plt.ioff()
plt.show()
【python】tensorflow和pytorch神经网络一元二次函数拟合相关推荐
- tensorflow一元二次函数拟合
先看下要做的内容,创建一元二次函数y=x平方-0.5,其中为了更符合散点图模拟需要,在方程加噪点,以标准方差0.05行驶,如图所示 折线图 散点图 下面我们要做的,是要计算机自动拟合出该散点图的函数, ...
- pytorch一元二次函数 拟合 机器学习
1.创建数据 import torch import matplotlib.pyplot as pltx=torch.unsqueeze(torch.linspace(-1,1,100),dim=1) ...
- python+tensorflow CNN卷积神经网络手写字体识别
导入所需的库模块: import os import cv2 import numpy as np import tensorflow as tf2 import matplotlib.pyplot ...
- 【Python】梯度下降法求解一元二次函数的波谷
import random''' drd notes: 使用梯度下降法 求y=3x^2 + 7x - 10波谷时x的值 '''def my_function(x):# drd notes:y = 3x ...
- pytorch贝叶斯网络_贝叶斯神经网络:2个在TensorFlow和Pytorch中完全连接
pytorch贝叶斯网络 贝叶斯神经网络 (Bayesian Neural Net) This chapter continues the series on Bayesian deep learni ...
- Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性...
全文链接:http://tecdat.cn/?p=26562 该项目包括: 自 2000 年 1 月以来的股票价格数据.我们使用的是 Microsoft 股票. 将时间序列数据转换为分类问题. 使用 ...
- C++调用Python文件,TensorFlow和PyTorch构建的深度学习模型,无法使用GPU的情况分析。
C++调用Python深度学习模型,包含TensorFlow和PyTorch等构造的模型,然后使用GPU出现问题.包含C++调用Python函数,C++加载模型到GPU,GPU内存占用过大,计算完毕内 ...
- python tensorflow pytorch 深度学习 车牌识别
车牌识别相关资料收集整理 1.License Plate Detection with RetinaFace 链接:https://github.com/zeusees/License-Plate-D ...
- [Python人工智能] 八.卷积神经网络CNN原理详解及TensorFlow编写CNN
从本专栏开始,作者正式开始研究Python深度学习.神经网络及人工智能相关知识.前一篇文章介绍了什么是过拟合,并采用droput解决神经网络中过拟合的问题,以TensorFlow和sklearn的lo ...
最新文章
- 汉得宣布开源:基于容器的企业级应用 PaaS 平台
- Did you forget add @script or @script_method annotation? If this is a nn.ModuleList, add it to __con
- java模拟浏览器不关闭会话_JSP实现浏览器关闭cookies情况下的会话管理
- 解决安装rrdtool遇到的一个问题
- Nginx 搭建图片缓存服务器-转
- [html] 你最喜欢H5的哪些功能?为什么?
- 深入浅出JVM-GC过程
- java treetable_在Swing中创建TreeTable | 学步园
- 文件设置索引_Linux文件系统是怎么工作的?
- PXE环境下安装系统(DHCP+TFTP+HTTP+kickstart)
- Ubuntu下安装uwsgi报错的解决方案
- 【Sql】—Sql开发利器Sql Prompt
- linux udp数据包发送间隔,如何每1 ms发送一次UDP数据包?
- 毕业设计记录-增加瑞利衰落信道
- 中国行政划分代码(身份证号码前六位)
- 安装原生Win7-SP1系统
- 电脑显示未连接一个服务器怎么处理,win7系统提示未能连接一个windows服务如何解决【详解】...
- 【Python爬虫项目】链家房屋信息抓取(超详细适合新手练习附源码)
- 美国大选2020推特相关数据
- 分享2个在线图表制作工具
热门文章
- MaccmsV10切换JS播放器,优化加载速度
- java设计按月每天签到_签到功能java实现
- 疫情期间,新导智能访客定位管理系统
- Total Control 远程控制手机软件 和 Vysor Chrome 的插件实时同步投影
- 【chrome】 谷歌小技巧 谷歌浏览器 自带 滚动截图 chrome滚动截屏(全屏截图)
- 从UEFI安装服务器系统,UEFI+GPT模式安装Windows server 2008 R2教程
- 用友NC57移动审批、可集成钉钉和企业微信
- 有向无环图(邻接矩阵和邻接表)
- The Unarchiver 4 for Mac(解压缩软件)
- golang syscall 系统调用认知