tensorflow从人们到升仙（1）

最新推荐文章于 2025-06-10 16:26:10 发布

原创最新推荐文章于 2025-06-10 16:26:10 发布 · 365 阅读

0 ·

CC 4.0 BY-SA版权

Tensorflow从入门到秃顶专栏收录该内容

4 篇文章

订阅专栏

本文通过一个简单的线性回归示例介绍了如何使用TensorFlow进行模型训练。从数据准备到模型搭建，再到训练过程，逐步展示了如何利用TensorFlow实现线性回归模型，并最终逼近正确的权重与偏置。

部署运行你感兴趣的模型镜像

tensorflow的hello world

来一段性感的代码：

import tensorflow as tf
import numpy as np

#创建数据
x = np.random.rand(200).astype(np.float32)
y_data = x * 0.1 + 0.3 # y = weights * x + biases

#搭建模型
weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases = tf.Variable(tf.zeros([1]))

y = weights * x + biases  #神经网络经典传递


#计算误差,均方差公式
loss = tf.reduce_mean(tf.square(y - y_data))

#误差传递
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

#训练
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

for step in range(401):
    sess.run(train)
    if step % 20 == 0:
        print(step,sess.run(weights),sess.run(biases))

预测结果：

0 [-0.50229931] [ 0.81214285]
20 [-0.05962949] [ 0.38132203]
40 [ 0.06281903] [ 0.31894156]
60 [ 0.09133982] [ 0.30441189]
80 [ 0.09798285] [ 0.30102763]
100 [ 0.09953018] [ 0.30023935]
120 [ 0.09989057] [ 0.30005577]
140 [ 0.09997453] [ 0.30001298]
160 [ 0.09999406] [ 0.30000302]
180 [ 0.09999864] [ 0.3000007]
200 [ 0.09999968] [ 0.30000016]
220 [ 0.0999999] [ 0.30000007]
240 [ 0.0999999] [ 0.30000007]
260 [ 0.0999999] [ 0.30000007]
280 [ 0.0999999] [ 0.30000007]
300 [ 0.0999999] [ 0.30000007]
320 [ 0.0999999] [ 0.30000007]
340 [ 0.0999999] [ 0.30000007]
360 [ 0.0999999] [ 0.30000007]
380 [ 0.0999999] [ 0.30000007]
400 [ 0.0999999] [ 0.30000007]