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 ...

【python】tensorflow和pytorch神经网络一元二次函数拟合

一、在TensorFlow中，首先定义

二、统一的任务，pytorch来实现一下

【python】tensorflow和pytorch神经网络一元二次函数拟合相关推荐

最新文章

热门文章