TensorFlow 莫烦视频学习笔记例子二（一）

最新推荐文章于 2022-04-05 00:01:03 发布

转载最新推荐文章于 2022-04-05 00:01:03 发布 · 4.3k 阅读

文章标签：

#tensorflow

TENSOR 专栏收录该内容

31 篇文章

订阅专栏

本文通过使用TensorFlow实现线性回归模型，演示了如何利用随机生成的数据训练模型以找到最佳拟合直线。文中详细展示了从数据准备到构建模型、定义损失函数、选择优化器直至训练过程的具体步骤。

部署运行你感兴趣的模型镜像

注释链接

所有代码

# -*- coding: utf-8 -*-
"""
Created on Wed Apr 19 12:30:49 2017

@author: lg

同济大学B406
"""

import tensorflow as tf
import numpy as np

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

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))

optimizer=tf.train.GradientDescentOptimizer(0.5)

train=optimizer.minimize(loss)

init=tf.initialize_all_variables()

sess=tf.Session()

sess.run(init)

for step in range(1001):
    sess.run(train)
    if step%20==0:
        print(step,sess.run(Weights),sess.run(biases))