tensorflow教程学习一
来源:互联网 发布:vb.net chart拖动放大 编辑:程序博客网 时间:2024/04/28 05:11
Tensorflow 是非常重视结构的, 我们得建立好了神经网络的结构, 才能将数字放进去, 运行这个结构.
这个例子简单的阐述了 tensorflow 当中如何用代码来运行我们搭建的结构.
首先, 我们这次需要加载 tensorflow 和 numpy 两个模块, 并且使用 numpy 来创建我们的数据.
import tensorflow as tfimport numpy as np
create data
x_data = np.random.rand(100).astype(np.float32)y_data = x_data*0.1 + 0.3
接着, 我们用 tf.Variable 来创建描述 y 的参数. 我们可以把 y_data = x_data*0.1 + 0.3 想象成 y=Weights * x + biases, 然后神经网络也就是学着把 Weights 变成 0.1, biases 变成 0.3.
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))biases = tf.Variable(tf.zeros([1]))y = Weights*x_data + biases
接着就是计算 y 和 y_data 的误差:
loss = tf.reduce_mean(tf.square(y-y_data))
反向传递误差的工作就教给optimizer了, 我们使用的误差传递方法是梯度下降法: Gradient Descent 让后我们使用 optimizer 来进行参数的更新.
optimizer = tf.train.GradientDescentOptimizer(0.5)train = optimizer.minimize(loss)
到目前为止, 我们只是建立了神经网络的结构, 还没有使用这个结构. 在使用这个结构之前, 我们必须先初始化所有之前定义的Variable, 所以这一步是很重要的!
# init = tf.initialize_all_variables() # tf 马上就要废弃这种写法init = tf.global_variables_initializer() # 替换成这样就好
接着,我们再创建会话 Session. 我们会在下一节中详细讲解 Session. 我们用 Session 来执行 init 初始化步骤. 并且, 用 Session 来 run 每一次 training 的数据. 逐步提升神经网络的预测准确性.
sess = tf.Session()sess.run(init) # Very importantfor step in range(201): sess.run(train) if step % 20 == 0: print(step, sess.run(Weights), sess.run(biases))tackedit
阅读全文
0 0
- tensorflow教程学习一
- 深度学习之TensorFlow进阶教程一
- TensorFlow官方教程学习笔记(一)——起步
- 学习tensorflow(一)
- Tensorflow学习(一)
- TensorFlow学习笔记(一)
- TensorFlow学习(一)
- TensorFlow学习笔记(一)
- 【tensorflow学习】(一)
- TensorFlow学习一
- tensorflow学习笔记一
- TensorFlow官方教程学习 TensorFlow Mechanics 101
- TensorFlow官方教程学习 TensorFlow Mechanics 101
- 深度学习tensorflow教程-DNNClassifer
- tensorflow教程学习二MNIST
- 莫烦tensorflow系列教程学习
- TensorFlow学习笔记(一):TensorFlow安装
- TensorFlow学习系列(一):初识TensorFlow
- Quartz与Spring集成的2种方式
- postgresql重启、查看服务
- raw_input 与 input的区别
- 二叉搜索树转换成一个排序的双向链表和实现一个线程安全且高效单例类——题集(二十一)
- 多播套接字选项分析
- tensorflow教程学习一
- POJ3278 Catch That Cow
- POI读取xls文档的简单代码
- get和post
- 【剑指Offer】面试题35:第一个只出现一次的字符
- Altium Designer铺铜时抠铜
- sgml html xml dtd xml dom
- Linux学习小结(一)
- 消息队列介绍