我的深度学习之helloworld小程序
来源:互联网 发布:php 去除双引号 编辑:程序博客网 时间:2024/05/28 17:06
# -*- coding:utf-8 -*-
import numpy as np
np.random.seed(1337)
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt
#create some data
X = np.linspace(-1,1,200) #在-1和1之间等分200份
np.random.shuffle(X) #将X打乱顺序
Y = 0.5 * X + 2 + np.random.normal(0,0.05,(200,)) #normal正态分布随机数
#plot data
plt.scatter(X,Y)
plt.show()
X_train,Y_train = X[:160],Y[:160] #前160个数当作训练数据
X_test,Y_test = X[160:],Y[160:] #后40个当测试数据
#build a nerual network from the 1st layer to the last layer
model = Sequential()
model.add(Dense(output_dim=1,input_dim = 1)) #X和Y都只有一维
# model.add(Dense(output_dim=1)) #add()默认输入是上一层的输出
#choose loss function and optimizing method
model.compile(loss='mse',optimizer='sgd')
#training
print('Training--------')
for step in range(301):
cost = model.train_on_batch(X_train,Y_train) #手动的一个个将数据送入网络中训练
if step % 100 == 0:
print('train cost:',cost)
#test
print('\nTest--------')
cost = model.evaluate(X_test,Y_test,batch_size = 40)
print('test cost:',cost)
W,b = model.layers[0].get_weights()
print('Weights=',W,'\nbiases=',b)
#plotting the prediction
Y_pred = model.predict(X_test)
plt.scatter(X_test,Y_test)
plt.plot(X_test,Y_pred)
plt.show()
import numpy as np
np.random.seed(1337)
from keras.models import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt
#create some data
X = np.linspace(-1,1,200) #在-1和1之间等分200份
np.random.shuffle(X) #将X打乱顺序
Y = 0.5 * X + 2 + np.random.normal(0,0.05,(200,)) #normal正态分布随机数
#plot data
plt.scatter(X,Y)
plt.show()
X_train,Y_train = X[:160],Y[:160] #前160个数当作训练数据
X_test,Y_test = X[160:],Y[160:] #后40个当测试数据
#build a nerual network from the 1st layer to the last layer
model = Sequential()
model.add(Dense(output_dim=1,input_dim = 1)) #X和Y都只有一维
# model.add(Dense(output_dim=1)) #add()默认输入是上一层的输出
#choose loss function and optimizing method
model.compile(loss='mse',optimizer='sgd')
#training
print('Training--------')
for step in range(301):
cost = model.train_on_batch(X_train,Y_train) #手动的一个个将数据送入网络中训练
if step % 100 == 0:
print('train cost:',cost)
#test
print('\nTest--------')
cost = model.evaluate(X_test,Y_test,batch_size = 40)
print('test cost:',cost)
W,b = model.layers[0].get_weights()
print('Weights=',W,'\nbiases=',b)
#plotting the prediction
Y_pred = model.predict(X_test)
plt.scatter(X_test,Y_test)
plt.plot(X_test,Y_pred)
plt.show()
一开始少加了个右括号,一直跑不出结果。。。
还是开心!
继续加油!
阅读全文
0 0
- 我的深度学习之helloworld小程序
- TensorFlow(八) 深度学习 HelloWorld 小程序
- 今天学习了我的第一个小程序 HelloWorld !!!
- 深度学习之Helloworld
- Java学习之路之“我的第一个Java程序“HelloWorld””
- Android学习笔记之我的第一个Android程序——HelloWorld
- Day5之HelloWorld小程序的相关介绍
- 我的SpringMvc学习之路之HelloWorld!
- Activiti学习之HelloWorld程序
- Day5之java入门小程序HelloWorld
- Java小程序之我的记事本
- java学习之用记事本写简单的HelloWorld程序
- Android小白成长日记 1.我的第一个HelloWorld程序
- 我的第一个android程序 HelloWorld
- 我的第一个汇编语言程序:HelloWorld
- 我的第一个Android程序--HelloWorld
- 测试某年为平年或者闰年的小程序--我的c++学习之路
- 我的小程序
- 从源码构建 MyBatis Generator(MBG)
- 爬虫实践---豆瓣短评+词云分析
- Quick tutorial to configure Oracle Restart without ASM
- 基于GPU加速的二维VTI介质一阶拟声波方程有限差分地震正演模拟
- Oracle OGG
- 我的深度学习之helloworld小程序
- 自我救赎之路--Java(Intellij IDEA)
- thrift网络通讯架构解析与实例验证
- 如何在Android源码编译系统中添加一个C项目
- Selenium Webdriver简介
- UE4 代理事件(C++)
- 面向对象 oop Class和Object
- Java String 转换方法
- android测量View的宽高