インポートのTFとしてtensorflow 輸入のNPとしてnumpyの 輸入 PLTとしてmatplotlib.pyplot
x_data = np.random.rand(100 ) ノイズ = np.random.normal(0,0.01 、x_data.shape) y_data = x_data * 0.1 + 0.2 + ノイズ plt.scatter(x_data、y_data) plt.show()
#線形モデルの構築 D = tf.Variable(np.random.rand(1 )) K = tf.Variable(np.random.rand(1 ))、 Y = K * x_data + D #次コスト関数 損失= TF .losses.mean_squared_error(y_dataは、Y) #は、勾配降下オプティマイザ定義 オプティマイザ= tf.train.GradientDescentOptimizer(0.3 ) #コスト関数最小化 列車= (損失)optimizer.minimizeを #変数を初期化 INIT = tf.global_variables_initializer() セッション数AS()とtf.Session: sess.run(INIT) のための I におけるレンジ(201 ): sess.run(電車) IFI%20 == 0: プリント(I、sess.run([K、D])) y_pred = sess.run(Y) plt.scatter(x_data、y_data) plt.plot(x_data、y_pred、' R- '、LW = 3 ) plt.show()
0アレイ([0.42558686])、アレイ([0.07772181)] 20 [配列([0.24686251])、アレイ([0.1212207)] 40 [配列([0.17103131])、アレイ([0.16282419)] 60 [アレイ([0.13410329])、アレイ([0.18308412)] 80 [配列([0.1161202])、アレイ([0.19295024)] 100 [配列([0.10736286])、アレイ([0.1977548)] 120 [配列( 【0.10309823])、アレイ([0.20009452)] 140 [配列([0.10102146])、アレイ([0.2012339)] 160 [配列([0.10001012])、アレイ([0.20178875)] 180 [配列([0.09951763 ])、アレイ([0.20205895)] 200 [配列([0.09927779])、アレイ([0.20219054)]