# 首先引进需要的包
import tensorflow as tf
import numpy as np
if __name__ == "__main__":
# x_data 和y_data是伪造的训练数据
x_data = np.random.rand(100).astype(np.float32)
y_data = 0.1 * x_data + 0.3
# 默认权重Weight 与偏置bias
# tf.random_uniform三个参数 shape, minval,maxval
# tf.Variable 必要参数initial_value 是一个tensor
Weight = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
bias = tf.Variable(tf.zeros([1]))
# 预测y
y = Weight*x_data + bias
# 使用平方计算损失
loss = tf.reduce_mean(tf.square(y_data - y))
# 构造优化器, 必要参数学习率 这里取0.5
optimizor = tf.train.GradientDescentOptimizer(0.5)
# 根据优化器与损失训练
train = optimizor.minimize(loss)
# 初始化所有变量 重要
init = tf.initialize_all_variables()
# 建立会话
sess = tf.Session()
sess.run(init) #初始化变量
for step in range(201):
sess.run(train)
if step % 20 == 0:
# 每20步打印训练得出的权重与bias
print (step, sess.run(Weight), sess.run(bias))
TensorFlow入门一简单的回归例子
猜你喜欢
转载自blog.csdn.net/jade07/article/details/80427730
今日推荐
周排行