tensorflow 使用 3 模型學習

模型學習

import tensorflow as tf

import numpy as np
#  生成 100 個隨機的點
x_data = np.random.rand( 100 )
y_data = x_data * 0.1 + 0.2
# 構造個線性模型
b = tf.variable( 0.)
k = tf.variable( 0.)
y = k * x_data + b
# 二次代價函式
loss = tf.reduce_mean( tf.square(y_data-y) )
# 定義乙個梯度下降法的優化器
optimizer = tf.train.gradientdescentoptimizer( 0.2 )
# 最小化代價函式
train = optimizer.minimize( loss )
#  loss 越小越接近於上邊的線性模型真實值
# 初始化變數
init = tf.global_variables_initializer()
with tf.session() as sess:
sess.run( init )
for step in range( 201 ):
sess.run( train )
# 每 20 次列印下
if step % 20 == 0:
print( step, sess.run([b, k]) )

0   [0.09943417, 0.051246386]

20  [0.19920087, 0.10154804]
40  [0.19950311, 0.10096269]
60  [0.19969101, 0.100598656]
80  [0.19980785, 0.10037227]
100 [0.19988051, 0.100231506]
120 [0.1999257, 0.10014396]
140 [0.1999538, 0.10008951]
160 [0.19997126, 0.10005567]
180 [0.19998214, 0.100034624]
200 [0.19998889, 0.10002153]

實驗得出， k , b 的值，不管初次是多少，經過學習後 b 會接近 0.2， a 會接近 0.1

tensorflow如何使用 訓練模型

首先檢測 存在 tpu tf.distribute.cluster resolver.tpuclusterresolver 如果先前設定好了 環境變數，不需要再給引數 tpu的返回值為 則檢測到了 tf.config.experimental connect to cluster tpu tf.tp...

onnx模型轉tensorflow模型

onnx是開源神經網路交換平台，有了它基本上不用糾結用什麼深度學習框架的問題了。我現在記錄一下怎麼將onnx模型轉換成tensorflow模型。1 安裝tensorflow和onnx 我是通過anaconda安裝的。詳情 這個部落格記載了安裝anaconda和onnx的詳情，安裝好anaconda後...

TensorFlow模型恢復報錯

錯誤資訊attempting to use uninitialized value input producer input producer limit epochs epochs今天在模型恢復的時候出現上圖報錯資訊，最後發現是由於呼叫tf.train.slice input producer方法...