tensorflow实现非线性回归

sparksnail

于 2017-08-31 11:13:35 发布

阅读量5.1k

点赞数

分类专栏：深度学习 tensorflow

本文链接：https://blog.youkuaiyun.com/y12345678904/article/details/77743696

版权

本文通过TensorFlow实现非线性回归，利用梯度下降法训练数据集（y = x^2 + noise），构建并前向传播神经网络，以解决非线性问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

模拟非线性回归，给定一些二维点，y = x^2 + noise，用梯度下降进行训练，实线前向传播神经网络。

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt


#生成随机变量
x_data = np.linspace(-1, 1, 200)#生成200个随机点，范围为-1 --> 1
x_data = x_data.reshape((200, 1))#维度设置为(200, 1)
noise = np.random.normal(0, 0.02, x_data.shape)#生成干扰项

y_data = np.square(x_data) + noise

x = tf.placeholder(tf.float32, [200, 1])
y = tf.placeholder(tf.float32, [200, 1])

#定义神经网络中间层权值
weights_l1 = tf.Variable(tf.random_normal([1, 10]))#10个神经元
biases_l1 = tf.Variable(tf.zeros([1, 10]))
wx_plust_b_l1 = tf.matmul(x, weights_l1) + biases_l1
l1 = tf.nn.tanh(wx_plust_b_l1)#双曲正切函数作为激活函数

#定义输出层
weights_l2 = tf.Variable(tf.random_normal([10, 1]))#输出层1个神经元
biases_l2 = tf.Variable(t