Linear Models

最新推荐文章于 2024-11-22 10:39:51 发布

我是一片小树叶

最新推荐文章于 2024-11-22 10:39:51 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python_TensorFlow 文章标签： Tensorflow

本文链接：https://blog.youkuaiyun.com/qq_30534935/article/details/88997674

这篇博客主要记录了使用TensorFlow进行线性模型的学习过程，适合个人学习参考。内容源于TensorFlow官方课程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

供个人学习记录，来源于：
https://github.com/machinelearningmindset/TensorFlow-Course#why-use-tensorflow

import os 
import tensorflow as tf
import numpy as np
import xlrd
from sklearn.utils import check_random_state
import matplotlib.pyplot as plt

n = 50
XX = np.arange(n)  #np.arange定义一个np数组
rs = check_random_state(0)  #check_random_state检查设置种子点
YY = rs.randint(-10,10,size=(n,))+2.0*XX  #randint在(low,high)中随机初始化int类型
data = np.stack([XX,YY],axis=1)  #np.stack拼接两个数组，0按行1按列

num_epochs = 50

W = tf.Variable(0.0,name="weights")
b = tf.Variable(0.0,name="bias")

def inputs():
  X = tf.placeholder(tf.float32,name="X")  #tf.placeholder提前准备好接收器
  Y = tf.placeholder(tf.float32,name="Y")
  return X,Y
  
def inference(X):
  return X*W+b
 
def loss(X,Y):
  Y_predicted = inference(X)
  return tf.reduce_sum(tf.squared_difference(Y,Y_predicted))/(2*data.shape[0])  #reduce_sum求和，null求总和，0按列求和，1按行求和