1.はじめに
Tensorflowは構造を非常に重視しています。ニューラルネットワークの構造を構築してから、数値を入力してこの構造を実行する必要があります。
2.モジュールをインポートしてデータを作成する
まず、テンソルフローとnumpyの2つのモジュールをロードし、numpyを使用してデータを作成する必要があります。
import tensorflow as tf
import numpy as np
x_data = np.random.rand(100).astype(np.float32) #随机样本位于[0, 1)中
y_data = x_data*0.5 + 2
3.モデルを構築する
tf.Variableを使用して、yを説明するパラメーターを作成します。y_data= x_data * 0.1 + 0.3をy =重み* x +バイアスとして想像すると、ニューラルネットワークは重みを0.1に、バイアスを0.3に変更することを学習しています。
Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0)) #返回一维数组,产生于low和high之间,产生的值是均匀分布的 #tf.Variable()用于生成一个初始值为initial-value的变量;必须指定初始化值
biases = tf.Variable(tf.zeros([1]))
y = Weights*x_data + biases
4.エラーとエラーの逆伝達を計算する
次に、yとy_dataのエラーを計算します。エラーを転送する作業は、オプティマイザに教えられます。使用するエラー転送方法は、勾配降下法です。勾配降下法オプティマイザを使用してパラメータを更新してみましょう。
loss = tf.reduce_mean(tf.square(y-y_data)) #tf.reduce_mean用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
5.モデルをトレーニングする
ニューラルネットワークの構造を作成したばかりで、この構造は使用していません。この構造を使用する前に、以前に定義したすべての変数を初期化する必要があるため、この手順は非常に重要です
init = tf.global_variables_initializer() #返回一个用来初始化计算图中所有global variable的op
次に、セッションセッションを作成します。セッションを使用して初期化初期化ステップを実行し、セッションを使用して各トレーニングデータを実行します。ニューラルネットワークの予測精度が徐々に向上します。
sess = tf.Session() #创建一个会话
sess.run(init) #用 Session 来执行 init 初始化
for step in range(301): #定义300次迭代
sess.run(train)
if step%20 == 0: #每隔20次打印一次权重和偏置
print(step, sess.run(Weights),sess.run(biases))
最終的な重みとオフセットは、y_data = x_data * 0.5 + 2の重みとオフセットに非常に近いことがわかります。