欢迎使用优快云-markdown编辑器

最新推荐文章于 2025-07-14 19:00:00 发布

原创最新推荐文章于 2025-07-14 19:00:00 发布 · 329 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

tensoflow 专栏收录该内容

2 篇文章

订阅专栏

本文通过使用TensorFlow实现线性回归模型，演示了如何构建、训练并评估一个简单的线性模型。文中详细介绍了数据准备、模型搭建、损失函数定义、优化器选择以及训练过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow 中文文档学习

import tensorflow as tf
import numpy as np


x_data = np.float32(np.random.rand(2,100))
y_data = np.dot([0.1,0.2],x_data)+0.3


# construct liner_model   这里写中文会出错的(注释也不行)  如果写中文 加上utf-8
# 构建线性模型 
b = tf.Variable(tf.zeros([1]))  # tf.zeros(shape)
W = tf.Variable(tf.random_uniform([1,2],-1,1))

y = tf.matmul(W,x_data)+b

#定义损失函数
loss = tf.reduce_mean(tf.square(y-y_data))

#定义优化函数
optimizer = tf.train.GradientDescentOptimizer(0.5)

#定义训练op
train = optimizer.minimize(loss)

# 初始化  一定要初始化！！！
init = tf.initialize_all_variables()

sess = tf.Session()


sess.run(init)


for step in xrange(0,201):
    sess.run(train)
    if step%20 == 0:
        print step,sess.run(W),sess.run(b)

sess.close()