实验1：tensorflow 实现线性回归

最新推荐文章于 2023-09-05 07:46:03 发布

原创

最新推荐文章于 2023-09-05 07:46:03 发布 · 426 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow #深度学习 #机器学习 #人工智能

本实验利用TensorFlow实现一元线性回归，通过随机初始化权重和偏置，构建损失函数并应用梯度下降法进行优化，最终达到拟合sin函数分布数据的目的。实验包括数据生成、模型定义、训练过程及结果展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

实验1 tensorflow 实现线性回归

说在前面

本实验使用tensorflow来实现一元线性回归。

背景：拿到手上有一堆数据，想要建立一元线性函数
y = wx+b来拟合这些数据
思想：建立的一元线性函数被w，b唯一确定，任务就是找到这两个参数。随机初始化w，b；建立损失函数来评估w，b的好坏；采用梯度下降法更新w，b的取值；

实验步骤

生成带噪声的数据，原数据服从sin函数分布
定义输入输出、变量（权重与偏置）、损失函数、优化器
开始训练
输出最终结果、可视化

主要API

API	功能
tf.placeholder()	定义输入输出的容器
tf.Variable()	定义变量
tf.train.GradientDescentOptimizer().minimize()	梯度下降
tf.global_variables_initializer()	初始化变量
tf.Session()	创建执行环境
sess.run()	执行喂入的节点

具体代码

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (14, 8)
# 1.生成带噪声的数据
n = 100
xs = np.linspace(-3,3,n)
y