某小夥10行python,TensorFlow入門實例訓練,擬合平面訓練

TensorFlow入門實例訓練——擬合平面訓練

需要了解基本面的Python的numpy包，經過多次測試，基本上訓練260次左右就基本穩定不變了。

運行環境：

Python 3.6.4

TensorFlow 1.6.0

Anaconda 5.1

Numpy 1.14.0

y_data=np.dot([0.200,0.300],x_data)+0.500

可以通過修改y_data=np.dot([0.200,0.300],x_data)+0.500中的0.200,0.300，0.500進行變換測試訓練。本實例僅作為入門學習使用，更深入的需進一步學習。

import tensorflow as tf

import numpy as np

import sys #未用到

#生成數據

x_data=np.float32(np.random.rand(2,100))#隨機輸入

y_data=np.dot([0.200,0.300],x_data)+0.500

print(x_data)

print(y_data)

#構造一個線性模型

b=tf.Variable(tf.zeros([1]))

w=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))

y=tf.matmul(w,x_data)+b

#求解模型

#設置損失函數

loss=tf.reduce_mean(tf.square(y-y_data))

#選擇梯度下降的方法

optimizer=tf.train.GradientDescentOptimizer(0.5)

#最小損失函數

train=optimizer.minimize(loss)

#初始化變量

init=tf.global_variables_initializer()

#設置tf度gpu按需分配

config=tf.ConfigProto()

config.gpu_options.allow_growth=True

#啟動圖

sess=tf.Session(config=config)

sess.run(init)

#迭代 反覆執行上面的最小化損失函數，擬合平面

for step in range(0,501):

sess.run(train)

print(step,sess.run(w),sess.run(b)

我們是人工智慧，深度學習最有活力的社群。請關注我們，也可以從我們詳情頁加入我們社群！