基於tensorflow的簡單線性回歸模型

#!/usr/local/bin/python3

##ljj [1]

##linear regression model

import tensorflow as tf

import matplotlib.pyplot as plt

#訓練樣本，隨手寫的

x_ = [11,14,22,29,32,40,44,55,59,60,69,77]

y_res = [123,135,155,167,177,189,200,240,250,255,277,298]

#初始化定義w和b，都為1，這裡折騰了一會，主要因為tf.ones的引數

w = tf.variable(tf.ones([1]),dtype="float32")

b = tf.variable(tf.ones([1]),dtype="float32")

y = tf.placeholder(tf.float32)

x = tf.placeholder(tf.float32)

with tf.session() as sess:

#定義線性模型

y_predict = w*x+b

#平方誤差作為損失函式

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

#配置訓練優化器和學習速率

train = tf.train.adamoptimizer(0.03).minimize(loss)

sess.run(tf.global_variables_initializer())

for j in range(1000): 

for i in range(len(x_)):

# train.run(feed_dict=)

#feed訓練，並輸出w和b

w_,b_,_= sess.run([w,b,train],feed_dict=)

print(w_,b_)

print('final result : ')

print(w_,b_)

plt.plot(x_,y_res,'.')

plt.plot(x_,x_*w_+b_,'-')

plt.show()

主機環境：macbookpro，tensoflow版本1.4，pyhton3.5

輸出結果：

final result : 

[ 2.65540743] [ 91.92604065]

-------以上輸出分別是擬合出的weight，bias值。不同版本的tensorlfow，擬合的線可能會略有差異，稍微調調參就可以擬合的不錯。

基於tensorflow的神經網路簡單例項

通過構建乙個簡單的擬合直線的神經網路來簡單的講解基於tensorflow框架的神經網路構建方法。講解簡單的使用tensorboard來展示 分析神經網路流圖的方法。coding utf 8 呼叫tensorflow import tensorflow as tf import numpy as np...

基於Tensorflow的Keras安裝

平台 ubuntu14.04 版本 python3.5，anaconda3 4.1.1，tensorflow1.4.0 bash anaconda sh 檔名 步驟2 回到剛開啟命令框時的目錄，依此輸入 mkdir pip cd pip vim pipconfig 然後會彈出一些配置 拉到最下面，點...

基於TensorFlow的MNIST資料集的實驗

一 mnist實驗內容 如下所示 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input data import matplotlib.pyplot as plt import numpy as np...