Tensorflow—非线形回归
代码:
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt#使用numpy来生成两百个随机点, 范围在-0.5到0.5之间,均匀分布
#np.newaxis:插入新的维度
x_data = np.linspace(-0.5, 0.5, 200)[:, np.newaxis]
#生成一些干扰项
noise = np.random.normal(0, 0.2, x_data.shape)
y_data = np.square(x_data) + noise#定义两个placeholder
#[None, 1]:行数不确定,列数就1列
x = tf.placeholder(tf.float32, [None, 1])
y = tf.placeholder(tf.float32, [None, 1])#定义神经网络中间层
#输入层1个神经元,中间层10个神经元
Weights_L1 = tf.Variable(tf.random_normal([1, 10]))
biases_L1 = tf.Variable(tf.zeros([1, 10]))
Wx_plus_b_L1 = tf.matmul(x, Weights_L1) + biases_L1
#双曲正切函数作为激活函数
L1 = tf.nn.tanh(Wx_plus_b_L1)#定义输出层
#中间层10个神经元,输出层1个神经元
Weights_L2 = tf.Variable(tf.random_normal([10, 1]))
biases_L2 = tf.Variable(tf.zeros([1,1]))
Wx_plus_b_L2 = tf.matmul(L1, Weights_L2) + biases_L2
prediction = tf.nn.tanh(Wx_plus_b_L2)#二次代价函数
loss = tf.reduce_mean(tf.square(y-prediction))
#使用梯度下降法训练
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)with tf.Session() as sess:#变量初始化sess.run(tf.global_variables_initializer())for _ in range(2001):sess.run(train_step, feed_dict={x:x_data, y:y_data})#获得预测值prediction_value = sess.run(prediction, feed_dict={x:x_data})#画图plt.figure()plt.scatter(x_data, y_data)plt.plot(x_data, prediction_value, 'r-', lw=5)plt.show()
运行结果:
Tensorflow—非线形回归相关推荐
- 8.1 mnist_soft,TensorFlow构建回归模型
背景 之前已经写了很多TensorFlow的基本知识,现在利用TensorFlow实现一些简单的功能,对原来的知识进行串联,并初步入门,该部分共包括三篇,分别实现的是回归模型,浅层神经网络,KNN. ...
- tensorflow逻辑回归实现对Creditcard数据集分析
tensorflow逻辑回归实现 1.Creditcard数据集 链接:https://pan.baidu.com/s/149ex4qxoGtC5b4a-29X0Jw 提取码:rfpk 复制这段内容后 ...
- [Python人工智能] 四.TensorFlow创建回归神经网络及Optimizer优化器
从本篇文章开始,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.前一篇文章讲解了TensorFlow基础和一元直线预测的案例,以及Session.变量.传入值和激励函数:这篇文章将详 ...
- tensorflow实现回归
直线拟合:y=w*x+b """ 回归:直线拟合 """ import tensorflow as tf import numpy as n ...
- Tensorflow逻辑回归处理MNIST数据集
#1:导入所需的软件 import tensorflow as tf ''' 获取mnist数据放在当前文件夹下,利用input_data函数解析该数据集 train_img和train--label ...
- 8.2 TensorFlow实现KNN与TensorFlow中的损失函数,优化函数
前言 8.1 mnist_soft,TensorFlow构建回归模型中对主要对计算图的概念与公式与计算图的转化进行了介绍,8.2则主要介绍一下TensorFlow中自带的几个算子,与优化函数,损失函数 ...
- sklearn中lstm_分别用sklearn和tensorflow做房价预测
原标题:分别用sklearn和tensorflow做房价预测 本篇是后面用tensorflow做回归时的一个参照,忍不住要说的是sklearn真是简单好用,要不是他没有卷积cnn等时髦模型,真是不想用 ...
- 用TensorFlow的Linear/DNNRegrressor预测数据
五月两场 | NVIDIA DLI 深度学习入门课程 5月19日/5月26日一天密集式学习 快速带你入门阅读全文> 正文共2762个字,预计阅读时间8分钟. 今天要处理的问题对于一个只学了线性 ...
- tensorflow入门笔记(一)
Tensorflow实现直线拟合 代码: #用tensorflow做回归 #用的是tensorflow2版本做直线拟合 import numpy as np import matplotlib.pyp ...
最新文章
- 【错误记录】发布 Flutter 插件包报错 ( ‘gmail.com‘ has insufficient permissions to upload new versions of package)
- 洛谷 P1886 滑动窗口
- smbus协议的command_SMBus总线概述
- C#开发笔记之19-如何用C#实现优雅的Json解析(序列化/反序列化)方案?
- [POI2009]Wie
- VB为MSHFlexGrid添加表格编辑功能
- 智力问答选择题_智力问答:智力题大全及答案
- .NET 调整图片尺寸(Resize)各种方法
- 李大潜院士:学习数学是战略性投资
- 查询某个网址的服务器IP
- html怎么设置左侧内边距,CSS 内边距(Padding)
- 云创大数据荣膺英特尔“行业贡献奖”
- DirectX 12 3D 游戏开发与实战第五章内容
- Auto-Rooting Script(全自动提权脚本)
- ROBOMASTER比赛作品集_邹俊添
- python如何生成指定均值向量和协方差矩阵的多维正态分布数据
- STM32F10x系列GPIO寄存器BRR、BSRR、ODR、IDR的使用理解
- 静默活体检测之Silent-Face-Anti-Spoofing
- GSL----积分部分(翻译+精简)
- 用Ubuntu编写第一个C程序并预处理、编译、汇编、链接
热门文章
- 智源深度 | NLP 面临的三大真实挑战(含视频)
- JavaScript设计模式与开发实践——JavaScript的多态
- Python-从视频到gif(imageio,moviepy,ffmpeg)
- TensorFlow练习23: “恶作剧”
- 深度学习的“瓶颈”与“遛狗”定理
- 图挖掘与多关系学习:工具与应用,亚马逊与CMU-WWW2021教程(附ppt)
- 探索“老药新用”最短路径:亚马逊AI Lab开源大规模药物重定位知识图谱DRKG
- 17种深度强化学习算法用Pytorch实现(附链接)
- 付睿:对新事物的追寻之旅 | 优秀毕业生专访
- 清华大数据能力提升项目《数据分析方法》选课开始 !(附旁听名额)