假設有一組資料集，其中x與y的對應關係為：y = 3x + 0.5。我們想讓神經網路學習這些樣本，並從中找到這個規律，通俗來說就是讓神經網路學習到方程中的引數3和0.5 。
首先用numpy生成1個含有100個資料的隨機序列x，然後寫出y與x的對應關係。
import tensorflow as tf
import numpy as np
x = np.linspace(-1,1,100)
b = 0.5
y = 3 * x + b
xs = tf.placeholder(tf.float32)
ys = tf.placeholder(tf.float32)
weights = tf.variable(tf.random_normal([1]))
biases = tf.variable(tf.zeros([1]) + 0.1)
pre = tf.multiply(weights,xs) + biases
這裡的損失函式採用平方損失，學習率設定為0.1，優化器選擇gradientdescentoptimizer也就是乙個梯度下降的演算法。這裡學習率可以隨意設定，一般來說這個值是小於1的，它代表了引數調整的速度。這個值越大，代表調整速度越快，但是不精確；值越小，表明調整的精度越高，但是速度慢。我們這裡選擇0.1就可以。
loss = tf.reduce_mean(tf.square(pre - ys))
optimizer = tf.train.gradientdescentoptimizer(0.1).minimize(loss)
init = tf.global_variables_initializer()
sess = tf.session()
sess.run(init)
for i in range(50):
sess.run(optimizer,feed_dict=)
if i % 5 == 0:
print(sess.run(weights),sess.run(biases))
我們可以看到，隨著訓練次數的增加，weights和bias的值越來越接近真實值。
訓練好模型之後，用起來就比較容易了，往裡面傳入乙個0.5，然後執行列印出結果來測試一下。
print(sess.run(pre,feed_dict=))才疏學淺，若有不足，還望指正，萬分感謝。
TensorFlow擬合曲線
本文是官方例子做了一點小小的改動，基於tensorflow實現擬合曲線，對初學tensorflow者有一定幫助。訓練500步，每50步輸出一次，並顯示在plt中。開始訓練 訓練200步後 訓練完成 以下是完整 coding utf 8 author 吳晶 wechat 18007148050 imp...
螺旋線擬合
實驗座標是這樣的 基本是乙個阿基公尺德螺旋線，原資料是笛卡爾座標系的，通過擬合半徑與方位角之間的關係得到多項式 以下是多項式擬合 將資料回代，clear all clcformat long shuju xlsread jingpan12 p 5.00630375898308e 06,0.00046...
tensorflow實現非線性擬合
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt x data np.linspace 0.5,0.5,200 np.newaxis 使得維度為 200,1 noise np.random.norma...