您好,登錄后才能下訂單哦!
使用TensorFlow怎么實現(xiàn)一個線性回歸模型?相信很多沒有經(jīng)驗的人對此束手無策,為此本文總結(jié)了問題出現(xiàn)的原因和解決方法,通過這篇文章希望你能解決這個問題。
線性擬合y=2.7x+0.6,代碼如下:
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt n = 201 # x點數(shù) X = np.linspace(-1, 1, n)[:,np.newaxis] # 等差數(shù)列構(gòu)建X,[:,np.newaxis]這個是shape,這一行構(gòu)建了一個n維列向量([1,n]的矩陣) noise = np.random.normal(0, 0.5, X.shape) # 噪聲值,與X同型 Y = X*2.7 + 0.6 + noise # Y xs = tf.placeholder(tf.float32, [None, 1]) # 下面兩行是占位符tf.placeholder(dtype, shape) ys = tf.placeholder(tf.float32, [None, 1]) w = tf.Variable(1.1) # 這兩行是weight變量,bias變量,括號中是初始值 b = tf.Variable(0.2) ypredict = tf.add(w*xs,b) # 根據(jù) w, b 產(chǎn)生的預(yù)測值 loss = tf.reduce_sum(tf.pow(ys-ypredict,2.0))/n # 損失函數(shù),tf.reduce_sum()按某一維度元素求和,默認(rèn)為按列 optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(loss) # 梯度下降優(yōu)化器,0.01學(xué)習(xí)率,最小化losss init = tf.global_variables_initializer() # 初始化所有變量 with tf.Session() as sess: sess.run(init) # 運行初始化 for i in range (1000): # 迭代1000次 sess.run(optimizer, feed_dict = {xs:X,ys:Y}) # 運行優(yōu)化器,梯度下降用到loss,計算loss需要xs, ys所以后面需要feed_dict if i%50==0: # 每隔50次迭代輸出w,b,loss # 下面sess.run(w),sess.run(b)里面沒有feed_dict是因為打印w,b不需要xs,ys,而打印loss需要 print ("w:",sess.run(w),"\t b:", sess.run(b), "\t loss:", sess.run(loss,feed_dict={xs:X,ys:Y})) plt.plot(X,X*sess.run(w)+sess.run(b)) # 運行迭代之后繪制擬合曲線,這需要在sess里面運行是因為要用到w,b plt.scatter(X,Y) # 繪制被擬合數(shù)據(jù)(散點) plt.show() # 繪制圖像
結(jié)果:
w: 1.1106868 b: 0.2086223 loss: 1.2682248 w: 1.5626049 b: 0.4772562 loss: 0.7024503 w: 1.8849733 b: 0.57508457 loss: 0.47280872 w: 2.1149294 b: 0.61071056 loss: 0.36368176 w: 2.278966 b: 0.6236845 loss: 0.30917725 w: 2.3959787 b: 0.6284093 loss: 0.2815788 w: 2.4794474 b: 0.6301298 loss: 0.26755357 w: 2.5389886 b: 0.63075644 loss: 0.26041925 w: 2.5814607 b: 0.6309848 loss: 0.2567894 w: 2.611758 b: 0.6310678 loss: 0.25494233 w: 2.6333694 b: 0.6310981 loss: 0.25400248 w: 2.6487865 b: 0.631109 loss: 0.2535242 w: 2.659784 b: 0.63111293 loss: 0.25328085 w: 2.6676288 b: 0.6311139 loss: 0.25315702 w: 2.6732242 b: 0.6311139 loss: 0.25309405 w: 2.6772156 b: 0.6311139 loss: 0.25306198 w: 2.6800632 b: 0.6311139 loss: 0.25304565 w: 2.6820953 b: 0.6311139 loss: 0.25303733 w: 2.6835444 b: 0.6311139 loss: 0.25303313 w: 2.684578 b: 0.6311139 loss: 0.25303096
看完上述內(nèi)容,你們掌握使用TensorFlow怎么實現(xiàn)一個線性回歸模型的方法了嗎?如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道,感謝各位的閱讀!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。