TensorFlow入门程序-线性回归

最新推荐文章于 2022-03-19 21:27:58 发布

原创最新推荐文章于 2022-03-19 21:27:58 发布 · 610 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

深度学习专栏收录该内容

21 篇文章

订阅专栏

本文通过使用TensorFlow实现单变量线性回归模型，详细介绍了如何定义模型参数、输入输出、损失函数及优化器，并通过具体训练数据进行迭代训练，最终得到模型参数和损失值。

1.算法理论

机器学习之1-单变量线性回归(Linear Regression with One Variable)

2.代码

import numpy as np
import tensorflow as tf

# Model parameters
W=tf.Variable([.3],dtype=tf.float32)
b=tf.Variable([-.3],dtype=tf.float32)

# Model input and output
x=tf.placeholder(tf.float32)
linear_model=W*x+b
y=tf.placeholder(tf.float32)

#loss
loss=tf.reduce_sum(tf.square(linear_model-y)) #sum of the squares

#optimizer
optimizer=tf.train.GradientDescentOptimizer(0.01)
train=optimizer.minimize(loss)

#training data
x_train=[1,2,3,4]
y_train=[0,-1,-2,-3]

#training loop
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init) #reset values to wrong
for i in range(1000):
    sess.run(train,{x:x_train,y:y_train})

#evaluate training accuracy
curr_W,curr_b,curr_loss=sess.run([W,b,loss],{x:x_train,y:y_train})
print ("W: %s b:%s loss: %s"%(curr_W,curr_b,curr_loss))