TensorFlow之实现一个简单的一元线性回归模型并保存和加载模型

kk123k

于 2019-02-12 09:21:57 发布

阅读量786

点赞数

分类专栏： TensorFlow 文章标签： TensorFlow 线性回归模型 python 深度学习人工智能

本文链接：https://blog.youkuaiyun.com/kk123k/article/details/86907423

版权

本文介绍了如何使用TensorFlow构建和训练一个一元线性回归模型，通过随机生成的数据进行拟合。详细步骤包括数据加载、模型建立、损失函数构建、随机梯度下降优化及模型的保存与加载。通过这个例子，读者可以理解TensorFlow在深度学习中的基本应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、线性回归模型介绍

简单来说：线性回归就是利用一曲线段对一些连续的数据进行拟合，进而可以用这条曲线预测新的输出值。数学模型如下：

$y=x\cdot w+b$

其中：w称为权重，b称为偏置，利用现有的数据训练出理想的w和b的值，然后建立模型，进行下一个值的预测。

二、数据介绍

import numpy as np
import tensorflow as tf

x_data = np.arange(-1, 1, 0.02, dtype=np.float32).reshape((100, 1))
y_true = np.tan(x_data) + np.random.normal(0, 0.1, 100).reshape((100, 1))

利用numpy产生100个数据，如下图展示的散点图，目的就是根据这些数据，拟合出一条最佳的曲线。

三、训练步骤

1、加载数据

由于上图的数据是随机产生的，需要将数据保存在本地&#

最低0.47元/天解锁文章