tensorflow_1 小试牛刀

Rooper

于 2017-12-18 14:46:06 发布

阅读量279

点赞数

分类专栏： tensorflow学习笔记文章标签： tensorflow

tensorflow学习笔记专栏收录该内容

6 篇文章

订阅专栏

本文通过使用TensorFlow实现线性回归模型，演示了如何从创建随机数据集开始，逐步构建一个简单的线性回归模型，并利用梯度下降法进行训练以最小化损失函数。文章详细介绍了模型参数初始化、训练过程及最终收敛结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import module

    import tensorflow as tf
    import numpy as np

creat data

    # creat 100 random sequences for x_data
    x_data = np.random.rand(100).astype(np.float32)
    y_data = x_data * 0.1 + 0.3

creat tensorflow structure start

    Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
    biases = tf.Variable(tf.zeros([1]))
    y = Weights*x_data + biases
    loss = tf.reduce_mean(tf.square(y-y_data))
    optomizer = tf.train.GradientDescentOptimizer(0.5) # learning rate
    train = optomizer.minimize(loss)
    # initialize all variables
    # init = tf.initialize_all_variables() # 
    init = tf.global_variables_initializer()

creat tensorflow structure end

activated neural network

    sess = tf.Session()
    sess.run(init)  # do not forget

    for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step,sess.run(Weights),sess.run(biases))

result