lab-03-3-minimizing_cost_tf_optimizer

最新推荐文章于 2022-04-13 16:33:31 发布

qq_30868235

最新推荐文章于 2022-04-13 16:33:31 发布

阅读量139

点赞数

分类专栏：深度学习系列课程

深度学习系列课程专栏收录该内容

22 篇文章

订阅专栏

本文通过一个简单的线性回归示例介绍了如何使用TensorFlow框架实现基本的机器学习任务。示例中定义了一个线性模型并通过梯度下降法进行训练以最小化损失函数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
tf.set_random_seed(777)  # for reproducibility

# tf Graph Input
X = [1, 2, 3]
Y = [1, 2, 3]

# Set wrong model weights
W = tf.Variable(5.0)

# Linear model
hypothesis = X * W

# cost/loss function
cost = tf.reduce_mean(tf.square(hypothesis - Y))

# Minimize: Gradient Descent Magic
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.1)
train = optimizer.minimize(cost)

# Launch the graph in a session.
sess = tf.Session()
# Initializes global variables in the graph.
sess.run(tf.global_variables_initializer())

for step in range(100):
    print(step, sess.run(W))
    sess.run(train)

'''
0 5.0
1 1.26667
2 1.01778
3 1.00119
4 1.00008
...
96 1.0
97 1.0
98 1.0
99 1.0
'''