【TensorFlow】（01）线性回归

特别说明

代码地址：Github

环境说明

平台：WIN10（教育版）

环境：Anaconda5.2（Python3.6.6）

IDE：Pacharm2018.2.3（专业版）

TensorFlow：1.8.0（CPU）

任务目标

实现线性回归模型

代码实现

代码解析

1-2：导入必要库NumPy、matplotlib

3：导入tensorflow

5-8：设置超参数：学习率、迭代次数、训练集比例

10-17：生成数据，并拆分数据集，自定义预测样本

20-21：设置样本占位符，为样本输入提供入口

23-24：设置变量存储学习参数

25：正向传播计算 w * x + b

27：选取损失函数

28：选取优化器

29：迭代的单步

31-32：开启会话并初始化变量

34-38：训练

36：迭代一次

37：求出损失

38：输出损失

40-42：输出测试集的损失

44-45：输出预测样本结果

47-50：画图

完

上一篇：Hello，TensorFlow！

下一篇：逻辑回归

原文地址：https://www.cnblogs.com/CoreCoder/p/9512771.html

时间： 2024-08-30 13:36:48

【TensorFlow】（01）线性回归的相关文章

如何用TensorFlow实现线性回归

环境Anaconda 废话不多说,关键看代码 import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' tf.app.flags.DEFINE_integer("max_step", 300, "训练模型的步数") FLAGS = tf.app.flags.FLAGS def linear_regression(): ''' 自实现线性回归 :return: ''' #1.准备1

tensorflow 学习1——tensorflow 做线性回归

1. 首先 Numpy: Numpy是Python的科学计算库,提供矩阵运算. 想想list已经提供了矩阵的形式,为啥要用Numpy,因为numpy提供了更多的函数. 使用numpy,首先要导入numpy: import numpy as np 使用numpy创建数组以list 或tuple作为参数: np.array([1,2,3,4]) np.array((1.2,2,3,4)) 使用numpy可以指定数据类型: numpy.int32, numpy.int16, numpy.float64

tensorflow版线性回归

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import tensorflow as tf def linearregression(): X = tf.random_normal([100,1],mean=0.0,stddev=1.0) y_true = tf.matmul(X,[[0.8]]) + [[0.7]] weights = tf.Variable(initial_value=tf.random_normal([1,1]))

TensorFlow 实现线性回归

1.生成高斯分布的随机数导入numpy模块,通过numpy模块内的方法生成一组在方程 y = 2 * x + 3 周围小幅波动的随机坐标.代码如下: 1 import numpy as np 2 import matplotlib.pyplot as plot 3 4 5 def getRandomPoints(count): 6 xList = [] 7 yList = [] 8 for i in range(count): 9 x = np.random.normal(0, 0.5) 10

tensorflow训练线性回归模型

完整代码 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np #样本数据 x_train = np.linspace(-1,1,300)[:,np.newaxis] noise = np.random.normal(0, 0.1, x_train.shape) y_train = x_train * 3 + noise + 0.8 #线性模型 W = tf.Variable([0.1],dtype

自学tensorflow——2.使用tensorflow计算线性回归模型

废话不多说,直接开始 1.首先,导入所需的模块: import numpy as np import os import tensorflow as tf 关闭tensorflow输出的一大堆硬件信息 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 2.写一个函数generate_data(),用来生成我们所需要的数据,这里使用的线性函数是y = 0.1*x + 0.3,具体解释见注释 def generate_data():#随机生成测试数据 num_poin

TensorFlow经典案例3:实现线性回归

TensorFlow实现线性回归 #实现线性回归 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt rng = np.random learn_rate = 0.01 training_epochs = 1000 display_step = 50 #生成训练数据 train_X = np.asarray([3.3,4.4,5.5,6.71,6.93,4.168,9.779,6.182,7.59,

线性回归模型的 MXNet 与 TensorFlow 实现

本文主要探索如何使用深度学习框架 MXNet 或 TensorFlow 实现线性回归模型?并且以 Kaggle 上数据集 USA_Housing 做线性回归任务来预测房价. 回归任务,scikit-learn 亦可以实现,具体操作可以查看线性回归模型的原理与 scikit-learn 实现. 载入数据 import pandas as pd import numpy as np name = '../dataset/USA_Housing.csv' dataset = pd.read_csv(

使用线性回归识别手写阿拉伯数字mnist数据集

学习了tensorflow的线性回归. 首先是一个sklearn中makeregression数据集,对其进行线性回归训练的例子.来自腾讯云实验室 import tensorflow as tf import numpy as np class linearRegressionModel: def __init__(self,x_dimen): self.x_dimen=x_dimen self._index_in_epoch=0 self.constructModel() self.sess=

tensorflow笔记（一）之基础知识

tensorflow笔记(一)之基础知识版权声明:本文为博主原创文章,转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/7399701.html 前言这篇notebook将一步步构建一个tensorflow的线性回归的例子,并讲述其中的一些基础知识.我会把notebook文件放在结尾的百度云链接. 首先第一步,要安装tensorflow,这个网上的教程很多,我安装的版本是ubuntu下1.2.1的tensorflow,推荐用pip(一步就好)这里附上一个