神經網路實現非線性回歸

2021-08-15 20:34:25 字數 1496 閱讀 2236

import tensorflow as tf


import numpy as np


import matplotlib.pyplot as plt


# 使用numpy生成200個隨機點


x_data = np.linspace(-0.5, 0.5, 200)[:, np.newaxis]


noise = np.random.normal(0, 0.02, x_data.shape)


y_data = np.square(x_data) + noise


# 定義兩個placeholder


x = tf.placeholder(tf.float32, [none, 1])


y = tf.placeholder(tf.float32, [none, 1])


# 定義神經網路的中間層


weights_l1 = tf.variable(tf.random_normal([1, 10]))


biases_l1 = tf.variable(tf.zeros([1, 10]))


wx_plus_b_l1 = tf.matmul(x, weights_l1) + biases_l1


l1 = tf.nn.tanh(wx_plus_b_l1)


# 定義神經網路輸出層


weights_l2 = tf.variable(tf.random_normal([10, 1]))


biases_l2 = tf.variable(tf.zeros([1, 1]))


wx_plus_b_l2 = tf.matmul(l1, weights_l2) + biases_l2


prediction = tf.nn.tanh(wx_plus_b_l2)


# 二次代價函式


loss = tf.reduce_mean(tf.square(y - prediction))


# 梯度下降法訓練


train_step = tf.train.gradientdescentoptimizer(0.1).minimize(loss)


#定義會話


with tf.session() as sess:


sess.run(tf.global_variables_initializer())


for _ in range(2000):


sess.run(train_step, feed_dict=)


# 獲取**值


prediction_value = sess.run(prediction, feed_dict=)


# 畫圖

				
Keras 實現非線性回歸
import keras import numpy as np import matplotlib.pyplot as plt sequential按順序構成的模型 from keras.models import sequential dense全連線層 from keras.layers imp...

				
keras非線性回歸實現
這次非線性回歸實現，相比較於線性回歸，多新增了隱藏層層數，並且需要使用不同型別的啟用函式來進行適應非線性，分別使用了tanh和relu來顯示結果 非線性回歸 import keras import numpy as np import matplotlib.pyplot as plt 按順序構成的模...

				
tensorflow非線性回歸
該程式有輸入層，中間層和輸出層 執行環境 ubuntun menpo queen queen x550ld downloads py python nonliner regression.py coding utf 8 定義乙個神經網路 輸入層乙個元素，中間層10個神經元，輸出層1個元素 impor...