# -*- coding: utf-8 -*- """ Created on Wed Oct 10 08:30:10 2018 @author: jamie """ import tensorflow as tf#tensor是张量的意思 import numpy as np # 使用 NumPy 生成假数据(phony data), 总共 100 个点. x_data=np.float32(np.random.rand(2,100))#生成[0,1]之间的随机数维数为(2,100) y_data=np.dot([0.100,0.200],x_data)+0.300#np.dot矩阵乘法 #构造一个线性模型 b=tf.Variable(tf.zeros([1]))#构造一个矩阵形式作为变量 W=tf.Variable(tf.random_uniform([1,2],-1.0,1.0)) y=tf.matmul(W,x_data)+b#matul:Multiplies matrix a by matrix producing a*b #res=tf.random_uniform((4,4),-3,3)#4x4阶矩阵符合U[-3,3] #with tf.Session() as sess:#tf一定要这样才能显示 # print(sess.run(res)) #最小化方差 loss=tf.reduce_mean(tf.square(y-y_data))#tf.reduce求矩阵的平均值,tf.square求平方 optimizer=tf.train.GradientDescentOptimizer(0.5)#使用梯度下降算法,以0.5的学习效率(learning rate) train=optimizer.minimize(loss) #初始化变量 init=tf.initialize_all_variables() #import tensorflow as tf # ##创造variable.<initial-value>指定这个variable的type和shape #w = tf.Variable(<initial-value>, name=<optional-name>) # ## 接着就可以把这个variable当做tensor运用在graph中. #y = tf.matmul(w, ...another variable or tensor...) # #z = tf.sigmoid(w + y) # ## 通过`assign()`和相关方法给这个w赋值 #w.assign(w + 1.0) #w.assign_add(1.0) # #--------------------- #作者:Panda_Peng #来源:CSDN #原文:https://blog.csdn.net/qq_34484472/article/details/75736036?utm_source=copy #版权声明:本文为博主原创文章,转载请附上博文链接! #启动图(GRAPH) sess=tf.Session() sess.run(init) #拟合平面 for step in range(0,201): sess.run(train) if step % 20==0: print(step,sess.run(W),sess.run(b))
TensorFlow瞎几把学Day1--一个简单的拟合例子http://www.tensorfly.cn/tfdoc/get_started/introduction.html
猜你喜欢
转载自www.cnblogs.com/jamievan/p/9765109.html
今日推荐
周排行