為了了解TensorFlow整體流程,學習一個簡單的Demo,使用TensorFlow拟合最簡單的線性函數:y=w∗x+by=w∗x+b。
輸入為x和y,x為[0,1)的随機數,y=0.1∗x+0.3y=0.1∗x+0.3。構造線性模型為y = Weights * x + biases,Weights和biases就是要訓練的值。
代碼如下:
import tensorflow as tf
import numpy as np
#creat data
x_data = np.random.rand(100).astype(np.float32) ##輸入值[0,1)之間的随機數
y_data = x_data * 0.1 + 0.3 ##預測值
###creat tensorflow structure strat###
# 構造要拟合的線性模型
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases = tf.Variable(tf.zeros([1]))
y = Weights * x_data + biases
# 定義損失函數和訓練方法
loss = tf.reduce_mean(tf.square(y-y_data)) ##最小化方差
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化變量
init = tf.initialize_all_variables()
###creat tensorflow structure end###
# 啟動
sess = tf.Session()
sess.run(init)
# 訓練拟合,每一步訓練隊Weights和biases進行更新
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step,sess.run(Weights),sess.run(biases)) ##每20步輸出一下W和b
# 得到最優拟合結果 W接近于0.1,b接近于0.3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
可以看到TensorFlow整體流程如下:
1.輸入資料
2.建立模型
3.定義損失函數和訓練方法
4.初始化和啟動Tensorflow會話
5.訓練
結果如下:
0 [ 0.67210519] [-0.04662135]
20 [ 0.24399574] [ 0.21818803]
40 [ 0.13566521] [ 0.27973664]
60 [ 0.10883366] [ 0.29498112]
80 [ 0.10218795] [ 0.29875693]
100 [ 0.10054193] [ 0.29969212]
120 [ 0.10013423] [ 0.29992375]
140 [ 0.10003327] [ 0.29998112]
160 [ 0.10000826] [ 0.29999533]
180 [ 0.10000205] [ 0.29999885]
200 [ 0.10000052] [ 0.29999971]
1
2
3
4
5
6
7
8
9
10
11
可以看到拟合效果很不錯。
---------------------
作者:嶽麓吹雪
來源:CSDN
原文:https://blog.csdn.net/lin453701006/article/details/79155713
版權聲明:本文為部落客原創文章,轉載請附上博文連結!