theano 入门教程1.6

theano 实例, 逻辑回归(logistic regression)

# -*- coding: utf-8 -*-

"""

Created on Fri Jun 06 08:56:54 2014

@author: Administrator

"""

import theano

import numpy as np

import theano.tensor as T

def logistic_regression():

rng = np.random

N = 400

feats = 784

D = (rng.randn(N, feats), rng.randint(size=N, low=0,
high=2))

training_steps = 10000

x = T.matrix(‘x‘)

y = T.vector(‘y‘)

w = theano.shared(rng.randn(feats), name=‘w‘)

b = theano.shared(0., name=‘b‘)

print "Initial model: "

print w.get_value(), b.get_value()

p_1 = 1/(1 + T.exp(-T.dot(x, w) - b))

prediction = p_1 > 0.5

xent = -y * T.log(p_1) - (1-y) * T.log(1-p_1)

cost = xent.mean() + 0.01

gw, gb = T.grad(cost, [w, b])

# Compile

train = theano.function(

inputs=[x,y],

outputs=[prediction, xent],

updates=((w, w-0.1*gw), (b, b-0.1*gb)))

predict = theano.function([x], prediction)

for i in range(training_steps):

pred, err = train(D[0], D[1])

print ‘Final model:‘

print w.get_value(), b.get_value()

print ‘target values for D:‘, D[1]

print ‘prediction on D:‘, predict(D[0])

if __name__ == ‘__main__‘:

logistic_regression()

来自为知笔记(Wiz)

时间: 2024-10-15 06:29:52

theano 入门教程1.6的相关文章

theano入门教程1.4

使用共享变量 p, li { white-space: pre-wrap; } # -*- coding: utf-8 -*- """ Created on Wed Jun  4 23:28:21 2014 @author: wencc """ from theano import shared from theano import function import theano.tensor as T if __name__ == '__main

theano 入门教程1.3

body{ font-family: "Microsoft YaHei UI","Microsoft YaHei",SimSun,"Segoe UI",Tahoma,Helvetica,Sans-Serif,"Microsoft YaHei", Georgia,Helvetica,Arial,sans-serif,宋体, PMingLiU,serif; font-size: 10.5pt; line-height: 1.5;}

theano 入门教程1.5

# -*- coding: utf-8 -*- """ Created on Thu Jun 05 17:48:31 2014 @author: Administrator """ import theano import numpy as np import theano.tensor as T from theano.sandbox.rng_mrg import MRG_RandomStreams from theano.tensor.sha

<zz>bower入门教程

from http://www.cnblogs.com/xiaokai0203/p/5891927.html bower入门教程 什么是bower Bower是一个客户端技术的软件包管理器,它可用于搜索.安装和卸载如JavaScript.HTML.CSS之类的网络资源.其他一些建立在Bower基础之上的开发工具,如YeoMan和Grunt,这个会在以后的文章中介绍. 准备工作 安装node环境:node.js 安装Git,bower从远程git仓库获取代码包:git简易指南 安装bower 使用

【转载】GBDT(MART) 迭代决策树入门教程 | 简介

      转载地址:http://blog.csdn.net/w28971023/article/details/8240756        GBDT(Gradient Boosting Decision Tree) 又叫 MART(Multiple Additive Regression Tree),是一种迭代的决策树算法,该算法由多棵决策树组成,所有树的结论累加起来做最终答案.它在被提出之初就和SVM一起被认为是泛化能力(generalization)较强的算法.近些年更因为被用于搜索排

SEO学习步骤总结入门教程

在这里,简单的把SEO的学习步骤说了一下,今天我们一起来把SEO学习步骤每一步的主要内容拿出来重点强调一下并做个总结.  定位好网站内容以后把你所想做排名的关键词定位好,关键词里包括了主关键词和长尾关键词.这里重点强调了不可以忽略长尾关键词的作用.  对于一个好的网站结构可以让搜索引擎蜘蛛顺利的抓取我网站的内容,进而达到被收录的目的.比较有利于蜘蛛抓取的网站结构,一般来说,收录数量相对来说会比较多.,只有让搜索引擎收录你网站页面那搜索引擎才会释放出来,这样网站关键词才可能有排名.  这里重点要注

Android基础入门教程——10.12 传感器专题(3)——加速度-陀螺仪传感器

Android基础入门教程--10.12 传感器专题(3)--加速度/陀螺仪传感器 标签(空格分隔): Android基础入门教程 本节引言: 本节继续来扣Android中的传感器,本节带来的是加速度传感器(Accelerometer sensor)以及 陀螺仪传感器(Gyroscope sensor),和上一节的方向传感器一样有着x,y,z 三个轴, 还是要说一点:x,y轴的坐标要和绘图那里的x,y轴区分开来!传感器的是以左下角 为原点的!x向右,y向上!好的,带着我们的套路来学本节的传感器吧

Android基础入门教程——8.1.3 Android中的13种Drawable小结 Part 3

Android基础入门教程--8.1.3 Android中的13种Drawable小结 Part 3 标签(空格分隔): Android基础入门教程 本节引言: 本节我们来把剩下的四种Drawable也学完,他们分别是: LayerDrawable,TransitionDrawable,LevelListDrawable和StateListDrawable, 依旧贴下13种Drawable的导图: 1.LayerDrawable 层图形对象,包含一个Drawable数组,然后按照数组对应的顺序来

Android基础入门教程——8.1.2 Android中的13种Drawable小结 Part 2

Android基础入门教程--8.1.2 Android中的13种Drawable小结 Part 2 标签(空格分隔): Android基础入门教程 本节引言: 本节我们继续来学习Android中的Drawable资源,上一节我们学习了: ColorDrawable:NinePatchDrawable: ShapeDrawable:GradientDrawable!这四个Drawable~ 而本节我们继续来学习接下来的五个Drawable,他们分别是: BitmapDrawable:Insert