tensorflow学习之模拟一次函数

写个最入门级的操作，tensorflow关于模拟一次函数，测试使用tensorflow和numpy的库

1.首先引入两个库-

  import tensorflow as tf
  import numpy as np

2. 然后创建数据 x_data 作为随机生成的100个数据作为np.float32类型然后定义正确的y_data值计算出来

#create data
x_data=np.random.rand(100).astype(np.float32)
y_data=x_data*0.1+0.3

3.创建tensorflow的结构

###cerate tensorflow structure start  ###
Weight =tf.Variable(tf.random_uniform([1],-1.0,1.0))#随机数列生成参数
biases=tf.Variable(tf.zeros([1]))

y=Weight*x_data +biases

loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5) #学习率 建立一个优化器  用这个优化器去减少loss  每一步去调整误差  调整参数  提升准确度
train=optimizer.minimize(loss)

init=tf.initialize_all_variables()
###cerate tensorflow structure end  ###

4.激活所有的变量整个神经网络节点的结构激活 session函数的使用，tensorflow中的节点包括前边的创建其实只是对于结构的创建而并不是具体运行起来的只有session函数能够指向它去激活使用

sess=tf.Session()
sess.run(init)

5.开始训练假设201步

for step in range(201):
    sess.run(train) #开始训练
    if step%20==0:
        print(step,sess.run(Weight),sess.run(biases))   #每隔二十步打印一次 执行步骤  权重  以及偏执  还有loss

6.执行结果

Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit (AMD64)] on win32
Type "copyright", "credits" or "license()" for more information.
>>> 
========== RESTART: C:\Users\Administrator\Desktop\lineFunction.py ==========
Traceback (most recent call last):
  File "C:\Users\Administrator\Desktop\lineFunction.py", line 14, in <module>
    loss=tf.reduce_mean(tfsquare(y-y_data))
NameError: name 'tfsquare' is not defined
>>> 
========== RESTART: C:\Users\Administrator\Desktop\lineFunction.py ==========
Traceback (most recent call last):
  File "C:\Users\Administrator\Desktop\lineFunction.py", line 16, in <module>
    train=optimizer.minimizer(loss)
AttributeError: 'GradientDescentOptimizer' object has no attribute 'minimizer'
>>> 
========== RESTART: C:\Users\Administrator\Desktop\lineFunction.py ==========
WARNING:tensorflow:From D:\python\lib\site-packages\tensorflow\python\util\tf_should_use.py:118: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
Instructions for updating:
Use `tf.global_variables_initializer` instead.
0 [0.81475365] [-0.10972821]
20 [0.3025545] [0.19387147]
40 [0.15626195] [0.27052152]
60 [0.11562744] [0.291812]
80 [0.1043407] [0.2977257]
100 [0.10120568] [0.2993683]
120 [0.10033489] [0.29982454]
140 [0.10009304] [0.29995126]
160 [0.10002587] [0.29998645]
180 [0.10000721] [0.29999623]
200 [0.10000202] [0.29999897]
>>>

前边的两个错误是因为我两个函数写错了字母，所以一定要细心一点后边的结果可一看到权重和偏执在一开始随机初始化后就一直趋向于1 和3 这正是我们想要的结果。

下面贴出全部的代码供参考：

import tensorflow as tf
import numpy as np

#create data
x_data=np.random.rand(100).astype(np.float32)
y_data=x_data*0.1+0.3

###cerate tensorflow structure start  ###
Weight =tf.Variable(tf.random_uniform([1],-1.0,1.0))#随机数列生成参数
biases=tf.Variable(tf.zeros([1]))

y=Weight*x_data +biases

loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5) #学习率 建立一个优化器  用这个优化器去减少loss  每一步去调整误差  调整参数  提升准确度
train=optimizer.minimize(loss)

init=tf.initialize_all_variables()
###cerate tensorflow structure end  ###




sess=tf.Session()
sess.run(init)  #激活所有的变量   整个神经网络节点的结构激活

#开始训练  假设201步

for step in range(201):
    sess.run(train) #开始训练
    if step%20==0:
        print(step,sess.run(Weight),sess.run(biases))   #每隔二十步打印一次 执行步骤  权重  以及偏执  还有loss

tensorflow学习之模拟一次函数

1.首先引入两个库-

猜你喜欢