機器學習筆記5 TensorFlow的了解與執行

本文的主要內容參考於tensorflow中文社群內容，並在下面的文章中測試其中的樣例**。

本文主要是在完成tensorflow的配置後，呼叫python api進行測試的一段tensorflow的測試**。

演算法主要的內容就是產生一些隨機資料，然後構建乙個平面去擬合這些資料。採用的演算法也就是梯度下降的方式，通過迴圈迭代來擬合平面。

# coding=utf-8

import tensorflow as tf
from numpy import *
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
# 使用 numpy 生成假資料(phony data), 總共 100 個點.
x_data = np.float32(np.random
.rand(2, 100)) # 隨機輸入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 構造乙個線性模型
b = tf.variable(tf.zeros([1]))
w = tf.variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(w, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train
.gradientdescentoptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化變數
init = tf.initialize_all_variables()
# 啟** (graph)
sess = tf.session()
sess.run(init)
# 擬合平面
# 進行梯度下降來選取最佳的w與b
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(w), sess.run(b)
w_result = 
w_result = sess.run(w)
b_result = sess.run(b)
print w_result,b_result

最佳擬合結果 w: [[0.100 0.200]], b: [0.300]

august 27 , 2017

Android機器學習之TensorFlow初體驗

wow，it s really amazing tensorflow 是乙個使用資料流圖進行數值計算的開源軟體庫。圖中的節點代表數 算，而圖中的邊則代表在這些節點之間傳遞的多維陣列 張量 這種靈活的架構可讓您使用乙個 api 將計算工作部署到桌面裝置 伺服器或者移動裝置中的乙個或多個 cpu 或 g...

機器學習筆記5 學習曲線

sklearn中的學習曲線函式可以幫到我們。它可以讓我們通過資料點來了解模型表現的好壞。可以先引入這個模組 from sklearn.learning curve import learning curve sklearn 0.17 from sklearn.model selection impo...

機器視覺 halcon學習筆記5

灰度變換 add image運算元，1入口引數是影象變數，2入口引數是影象變數，3入口引數是相加之後的影象 4入口引數是引數1和引數2對應點灰度相加後乘的乙個引數，引數5是偏移量 總結來說就是引數1和引數2對應點灰度值相加後乘上引數4再加上引數5就等於引數3對應點的灰度值 我猜聰明的你肯定可以看懂的...