关于tensorflow入门代码

最新推荐文章于 2024-08-25 18:49:06 发布

王师北

最新推荐文章于 2024-08-25 18:49:06 发布

阅读量505

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/rytyy/article/details/78017762

深度学习专栏收录该内容

11 篇文章

订阅专栏

本文通过使用TensorFlow实现线性回归模型，演示了如何创建数据集、定义权重与偏置变量、设置损失函数及优化器，并通过训练迭代来调整参数以最小化损失。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import tensorflow as tf
import numpy as np

# create data
x_data = np.random.rand(100).astype(np.float32)
y_date = x_data*0.1+0.3

# create tensorflow struction start

Weights = tf.Variable(tf.random_normal([1],-1.0,1.0))
biases = tf.Variable(tf.zeros(1))

y = Weights*x_data + biases

loss = tf.reduce_mean(tf.square(y-y_date))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

init = tf.initialize_all_variables()

# create tensorflow struction end

#  create session
with tf.Session() as sess:
    sess.run(init)
    for step in range(201):
        sess.run(train)
        if step % 20 == 0:
            print(step,sess.run(Weights),sess.run(biases))