TensorFlow实践四步法

###### 第一步 准备数据
# 在Jupyter中，使用matplotlib显示图像需要设置为inline模式，否则不会显示图像
%matplotlib inlineimport matplotlib.pyplot as plt
import numpy as np
import tensorflow as tfnp.random.seed(5)  # 设置随机数种子x_data = np.linspace(-1, 1, 100)  # 生成从-1到1的等差数列，数字个数为100
y_data = 2 * x_data + 1.0 + np.random.randn(*x_data.shape) * 0.4  # *x_data.shape为获取到的x_shape的维度数字plt.scatter(x_data, y_data)
plt.plot(x_data, 2.0 * x_data + 1.0, color = 'r')
plt.show()###### 第二步 构建模型
# 定义训练数据的占位符，x是特征，y是标签
x = tf.placeholder("float", name = "x")
y = tf.placeholder("float", name = "y")# 定义模型
def model(x, w, b):return tf.multiply(x, w) + b# 初始化所求参数
w = tf.Variable(0.0, name = "w0")
b = tf.Variable(0.0, name = "b0")# 前向计算预测值
pre_value = model(x, w, b)# 初始化迭代次数（训练轮数）
train_epochs = 10
# 初始化学习率
learning_rate = 0.05# 定义损失函数
loss_function = tf.reduce_mean(tf.square(y - pre_value))
# 定义优化器（梯度下降优化器）
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss_function)###### 第三步 训练模型
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)# 开始训练，设置迭代轮次，每次通过将样本逐个输入模型，进行梯度下降优化操作每轮迭代后，绘制出模型
for epoch in range(train_epochs):for xs, ys in zip(x_data, y_data):_, loss = sess.run([optimizer, loss_function], feed_dict = {x: xs, y: ys})b0temp = b.eval(session = sess)w0temp = w.eval(session = sess)plt.plot(x_data, w0temp * x_data + b0temp)###### 第四步：预测模型
# 测试
x_test = 3.55
predict = sess.run(pre_value, feed_dict = {x: x_test})
print("predict value: %f" % predict)target = 2 * x_test + 1.0
print("target value: %f" % target)

TensorFlow实践四步法相关推荐

python神经网络原理pdf_《深度学习原理与 TensorFlow实践》高清完整PDF版下载
1.封面介绍 2.出版时间 2019年7月 3.推荐理由本书介绍了深度学习原理与TensorFlow实践.着重讲述了当前学术界和工业界的深度学习核心知识:机器学习概论.神经网络.深度学习.着重讲述了 ...
深度学习原理与TensorFlow实践
深度学习原理与TensorFlow实践王琛,胡振邦,高杰著 ISBN:9787121312984 包装:平装开本:16开用纸:胶版纸正文语种:中文出版社:电子工业出版社出版时间:2017 ...
吴恩达的TensorFlow实践课上线，有Python基础就能听，4个月学完
晓查发自凹非寺量子位出品 | 公众号 QbitAI 吴恩达的deeplearning.ai上新了!新的AI课程叫做TensorFlow in Practice,面向那些希望学习使用Tensor ...
《面向机器智能的TensorFlow实践》一 2.8　测试TensorFlow、Jupyter Notebook及matplotlib...
本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第2章,第2.8节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner) ...
TensorFlow实践（15）——使用tf.device方法指定节点执行设备
TensorFlow实践(15)--使用tf.device方法指定节点执行设备 (一)前言 (二)tf.device方法指定节点执行设备 (三)总结 (一)前言当我们调用sess.run()方 ...
TensorFlow实践（16）——tf.enable_eager_execution方法
TensorFlow实践(16)--tf.enable_eager_execution方法 (一)前言 (二)代码示例 (三)总结 (一)前言在即将到来的TensorFlow2.0中将对部分机 ...
梦幻西游python验证成语_GitHub - rowliner/mhxy: tensorflow实践：梦幻西游人物弹窗识别...
mhxy tensorflow实践:梦幻西游人物弹窗识别环境描述 C:\Users\SF>ver Microsoft Windows [版本 10.0.18363.720] C:\Users\ ...
python 梦幻西游_GitHub - BestBurning/mhxy: tensorflow实践：梦幻西游人物弹窗识别
mhxy tensorflow实践:梦幻西游人物弹窗识别环境描述 C:\Users\SF>ver Microsoft Windows [版本 10.0.18363.720] C:\Users\ ...
梦幻西游 python.dll_GitHub - 10508zhl/mhxy: tensorflow实践：梦幻西游人物弹窗识别
mhxy tensorflow实践:梦幻西游人物弹窗识别环境描述 C:\Users\SF>ver Microsoft Windows [版本 10.0.18363.720] C:\Users\ ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（八）（TensorFlow基础））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(八)(TensorFlow基础)) 8 TensorFlow基础 8.1 TensorFlow2.0特性 8.1.1 Tenso ...

TensorFlow实践四步法

TensorFlow实践四步法相关推荐

最新文章

热门文章