今天學習了tensorflow構建回歸曲線的知識,其中利用了梯度下降法來提高機器學習建立回歸曲線的正確率。
在學習中自己按照其寫的**為:
importnumpy as np
import
tensorflow as tf
import
matplotlib.pyplot as plt
#隨機生成一千個點
num_points=1000vectors_set =
for _ in
range(num_points):
x1=np.random.normal(0.0,0.55)
y1=x1*0.1+0.3+np.random.normal(0.0,0.05)
#生成樣本
x_d = [v[0] for v in
vectors_set]
y_d = [v[1] for v in
vectors_set]
plt.scatter(x_d,y_d,c='b'
)plt.show()
w = tf.variable(tf.compat.v1.random_uniform([1],-1,1),name='w')b= tf.variable(tf.zeros([1]),name='b'
)y = w*x_d +b
#以預估值y和實際值y_d之間誤差
根據案例可以看出,利用梯度下降法可以每次增強構建回歸函式的準確度,是比較容易理解上手的方法。
Tensorflow專案構建流程
參考部落格 整理 一。訓練階段 1.tensorflow打包資料 2 採用tfrecoder進行高效資料讀取 2.網路架構與訓練 經過上面的資料格式處理,接著我們只要寫一寫網路結構,網路優化方法,把資料搞進網路中就可以 3.視覺化顯示 二。測試階段 直接通重載入圖模型,讀取引數等,然後直接通過ten...
用tensorflow構建動態RNN
直接看 def create cell cell rnn.lstmcell num units rnn cell rnn.multirnncell create cell for in range 2 output,states tf.nn.dynamic rnn rnn cell,x,dtype ...
Tensorflow 基礎概念
g v,e v operation 圖的節點 e tensor 圖的邊 g graph 圖 tensorflow tensor 多維陣列 flow graph 圖 op session回話上下文管理 variable tensor 多維資料變數 placeholder 外部傳入的引數變數 seesi...