机器学习3:简单的线性模型(一)
来源:互联网 发布:英语歌曲学英语知乎 编辑:程序博客网 时间:2024/05/22 17:13
tf.constant()表示常量,常用于定义常量,tf.constant(3.0, dtype = tf.float32),前一个参数是数值,后一个是类型,也可以这样用,tf.constant('Hello TensorFlow')表示定义了一个字符串常量。
tf.add()表示调用一个加法算法,参数可以是常数,也可以是列表。
tf.Session()创建一个Session对象,然后调用其运行方法来运行足够的计算图来评估node1和node2
如果用TensorBoard查看add,adder和triple的可视图,即可得到:
每一步的代码:
tf.Variable()标识变量,用法和tf.constant()基本相同。
tf.placeholder()表示一个占位符,表示之后会对这个占位提供一个值。
tf.global_variables_initializer()和sess.run(init)表示对全部的全局变量进行初始化。
我们创建了一个模型,但是我们不知道它有多好。 为了评估培训数据模型,我们需要一个y占位符来提供所需的值,我们需要编写一个损失函数。
损失函数测量当前模型与提供的数据之间的距离。 我们将使用线性回归的标准损失模型,它将当前模型和提供的数据之间的三角形的平方相加。 linear_model - y创建一个向量,其中每个元素都是对应的示例的错误增量。 我们调用tf.square来表示该错误。 然后,我们求和所有平方误差,创建一个单一的标量,使用tf.reduce_sum抽象出所有示例的错误。
变量初始化为提供给tf.Variable()的值,但可以使用像tf.assign()这样的操作来更改。
- 机器学习3:简单的线性模型(一)
- 机器学习4:简单的线性模型(二)
- 机器学习笔记4——线性模型(一)
- Coursera 机器学习(by Andrew Ng)课程学习笔记(一)——简单的线性回归模型和梯度下降
- 机器学习练习(一)——简单线性回归
- 机器学习练习一:简单线性回归
- 机器学习----线性模型
- 机器学习和数据挖掘(3):线性模型
- 机器学习基本概念(3)--线性模型概述
- 机器学习(十一) 线性模型
- 机器学习(2)--线性模型
- 机器学习笔记(二) 线性模型
- 应用机器学习(八):线性模型
- 机器学习Chapter-1(线性模型)
- 台大林轩田《机器学习基石》学习笔记:线性模型一(PLA/pocket、Linearregression )
- 台大林轩田《机器学习基石》学习笔记5:线性模型一(PLA/pocket、Linearregression )
- 机器学习笔记(3)线性模型之线性回归
- 机器学习-广义线性模型
- 九度题目1076:N的阶乘
- 解决ViewPager+Fragment启动页面卡顿
- python入门--函数
- Jfinal 在tomcat启动报错!!
- maven配置中出现的Dmaven.multiModuleProjectDirectory system property is not set. Check $M2_HOME environme问题
- 机器学习3:简单的线性模型(一)
- Python如何计算类的实例个数
- C++基础(五)-struct
- poj 2528Mayor's posters(离散化+线段树)
- 简介oracle oerr工具使用
- bash中与时间相关的处理
- java之8大排序(一)---冒泡排序,自然排序
- Codeforces 858A k-rounding
- C++基础(六)-三目运算符