cudnn6.0,
windows下cuda8.0、linux下安裝最新驅動cuda9.0即可
pip install tensorflow-gpu
import tensorflow as tf
import numpy as np
# 使用numpy
x_data = np.random
.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3
[ 0.81932968 0.77709019 0.93209612 0.54649353 0.90174001 0.81324214
0.57129693 0.37069476 0.95325828 0.26792726 0.95471644 0.01868326
0.72079808 0.02420644 0.42940879 0.11925939 0.53292018 0.30874303
0.6179927 0.65413511 0.91911852 0.12300844 0.22290444 0.68469095
0.39208147 0.33076292 0.66359794 0.8391552 0.8859579 0.22036755
0.51191467 0.04532562 0.15988326 0.2644116 0.54665858 0.91885412
0.32364029 0.10533201 0.6941312 0.95124549 0.77731627 0.70488501
0.63933069 0.64133698 0.34779307 0.85844809 0.60094941 0.2280845
0.9715808 0.90514243 0.37492487 0.63143545 0.32448494 0.87860829
0.60888034 0.0536992 0.87272596 0.2757256 0.52294028 0.44402313
0.65318012 0.51203662 0.58079946 0.02674621 0.88491195 0.53675622
0.14286731 0.14372869 0.40336677 0.59653842 0.88745058 0.68862557
0.42571071 0.26180086 0.72788739 0.60717767 0.5829736 0.87680519
0.45300043 0.85390121 0.59883171 0.25868875 0.57738042 0.96802121
0.002104 0.63230199 0.12704033 0.43771467 0.02793019 0.19138411
0.65149647 0.70921648 0.31550848 0.16242157 0.84410089 0.49122787
0.11707108 0.18496205 0.45668516 0.09403677]
# 使用tf自帶的variable函式，用於隨機生成乙個權重值
# tf.random_uniform()函式第乙個引數為shape,後面的引數為隨機數的範圍, 隨機生成(-1, 1)的乙個數
weights = tf.variable(tf.random_uniform([1], -1.0, 1.0))
# 生成偏置量，這裡置為0
biases = tf.variable(tf.zeros(1))
# 使用初始化的權重和引數獲取**的y值，即為一次正向傳播
y = weights * x_data + biases
# 定義損失函式，並且獲取損失函式的得分loss
loss = tf.reduce_mean(tf.square(y - y_data))
#定義優化函式，這裡使用的是梯度下降方法， 引數即為學習率（learing rate）,這裡給的0.5
optimizer = tf.train
.gradientdescentoptimizer(0.5)
# 訓練，即使用優化函式使得我們的損失得分盡可能最小
train = optimizer.minimize(loss)
#這一句非常重要，主要用於初始化前面所有用variable函式定義的變數，這裡面為weights和biases
#部分教程中使用的函式為`initialize_all_variables`但是這個函式已經在tf1.3中標記為過時函式了
init = tf.global_variables_initializer()
sess = tf.session()
# 使用run初始化變數
sess.run(init)
# 訓練200次，並且每逢20的倍數都列印當前計算出來的權重和偏值
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step, sess.run(weights), sess.run(biases))
5、執行結果示例
0 [ 0.59929496] [ 0.02857201]
20 [ 0.23587528] [ 0.22533756]
40 [ 0.13706814] [ 0.27963135]
60 [ 0.11011258] [ 0.29444322]
80 [ 0.1027588] [ 0.29848409]
100 [ 0.10075264] [ 0.29958645]
120 [ 0.10020533] [ 0.29988718]
140 [ 0.10005601] [ 0.29996923]
160 [ 0.1000153] [ 0.29999161]
180 [ 0.10000417] [ 0.29999772]
200 [ 0.10000113] [ 0.29999939]
pytorch和tensorflow安裝記錄
友情提示 如果不是非要用某個環境裡的東西，重新建乙個虛擬環境能最快最有效的解決問題。記錄一下安裝pytorch和tensorflow的艱難歷程 親測新建乙個虛擬環境安裝正確的版本可行，如果版本不正確，也會報錯找不到指定模組，我電腦配置是cuda10.1，cudnn7.5，開始安裝了2.2.0報錯找不...
tensorflow機器學習初接觸
bootstrap 一種有放回的抽樣方法。bagging bootstrap aggregation 的策略 從樣本集中進行有放回地選出n個樣本 在樣本的所有特徵上，對這n個樣本建立分類器 重複上述兩步m次，獲得m個樣本分類器 最後將測試資料都放在這m個樣本分類器上，最終得到m個分類結果，再從這m個...
TensorFlow學習 安裝和使用
tensorflow的安裝環境是linux，具體步驟參考自如下文章，感覺簡單明瞭，配置好tensorflow後安裝komodo ide方便python程式設計。參考文章 真正從零開始，tensorflow詳細安裝入門 教程！都裝好後在komodo中新建文件，右上角選擇程式語言為python，拷貝te...