Tensorflow02-入门示例
来源:互联网 发布:nba2k17人物数据 编辑:程序博客网 时间:2024/06/07 01:43
具体内容可以参见莫烦教程
这里以一个简单的参数优化作为示例模拟训练的核心过程,提取出编写过程的关键点
1.变量:tensorflow需要使用tensorflow.Variable()来定义变量
2.初始化:变量定义后需要使用tensorflow.initialize_all_variables()来进行初始化
3.会话:一切计算需要使用session.run(var)来进行
4.训练:差值最小化,循环进行
import tensorflow as tfimport numpy as npx_data = np.random.rand(100).astype(np.float32) # 输入值y_data = x_data*0.1 + 0.3 # 正确的函数Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) # 权重,起始值为-1~1之间的一个随机值,通过训练希望接近0.1biases = tf.Variable(tf.zeros([1])) # 偏移量,起始值为0,通过训练希望接近0.3y = Weights*x_data + biases # 模型的初始形式loss = tf.reduce_mean(tf.square(y-y_data)) # 成本函数,表示预测值与正确值之间的差值,optimizer = tf.train.GradientDescentOptimizer(0.5) # 梯度下降法最小化差值,学习效率为0.5train = optimizer.minimize(loss)init = tf.initialize_all_variables() # 初始化所有变量sess = tf.Session() # 定义sessionsess.run(init) # 执行初始化for step in range(201): sess.run(train) # 执行训练过程 if step % 20 == 0: print(step,sess.run(Weights),sess.run(biases))
结果
0 [-0.01500437] [ 0.48981807]20 [ 0.04039663] [ 0.33115703]40 [ 0.07888566] [ 0.3110373]60 [ 0.0925203] [ 0.30390993]80 [ 0.09735034] [ 0.3013851]100 [ 0.09906138] [ 0.30049068]120 [ 0.0996675] [ 0.30017382]140 [ 0.09988222] [ 0.30006158]160 [ 0.09995827] [ 0.30002183]180 [ 0.09998522] [ 0.30000773]200 [ 0.09999477] [ 0.30000275]
阅读全文
0 0
- Tensorflow02-入门示例
- 入门示例
- Spring入门示例
- WebWork 入门示例
- Spring入门示例
- 工作流入门示例(OSWorkflow)
- JSP/Servlet 入门示例
- 手把手struts入门示例
- JSF入门示例
- Web Service入门示例
- ruby入门示例1
- ruby入门示例1
- ruby入门示例2
- Ajax入门示例
- web services入门示例
- ibatis教程入门示例
- XQuery 学习入门示例
- python 入门示例
- JS someNode.chidren和someNode.childNodes的区别
- L0 Smoothing 笔记(一)
- 天然工坊盈利系统平台开发
- weed-fs使用简介
- Java提高篇(三一)-----Stack
- Tensorflow02-入门示例
- Thinkphp5增删改查
- 分分钟带你杀入Kaggle Top 1%
- Java提高篇(三二)-----List总结
- jmeter其他特性---HTTP Mirror Server
- PDF文档编辑
- Linux 串口调试工具汇总
- vfork中的return和exit详解
- git入门