qq_30879741的博客

线性回归的原理，可以参考其他博客，这里主要贴一下代码，记录一下遇到的问题。 import tensorflow as tf import numpy as np #生成一千个点 x_data=np.random.random([1000,3]) #系数矩阵的shape必须是（3，1）。如果是（3，）会导致收敛效果差，猜测可能是y-y_label处形状不匹配 y_data=np.matm

import tensorflow as tf import numpy as np data_num=40 x_data=np.linspace(-3,3,data_num) y_data=np.sin(x_data)+np.random.uniform(-0.5,0.5,data_num) #print(x_data) x=tf.placeholder(dtype=tf.float32)

神经网络参数初始化对最终的结果有重大影响。下面的代码是从github改编的，一开始使用正态分布初始化参数，stddev设置为1.0，结果正确率始终徘徊在94%，设置为0.01后，最终正确率达到了98%以上。所以参数的初始化需要跑代码测试哪种效果好。 import tensorflow as tf import numpy as np import tensorflow.examples.tuto