实验6-使用TensorFlow完成线性回归
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了实验6-使用TensorFlow完成线性回归,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1676字,纯文字阅读大概需要3分钟。
内容图文
一、环境
tensorflow2.3.1 matplotlib-1.5.1 numpy-1.18.5 python3.5
二、代码
import numpy as np import tensorflow as tf import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = (14,8) n_observations = 100 xs = np.linspace(-3, 3, n_observations) ys = np.sin(xs) + np.random.uniform(-0.5, 0.5, n_observations) plt.scatter(xs, ys) plt.show() X = tf.placeholder(tf.float32, name='X') Y = tf.placeholder(tf.float32, name='Y') W = tf.Variable(tf.random_normal([1]), name='weight') b = tf.Variable(tf.random_normal([1]), name='bias') Y_pred = tf.add(tf.multiply(X, W), b) loss = tf.square(Y - Y_pred, name='loss') learning_rate = 0.01 optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss) n_samples = xs.shape[0] with tf.Session() as sess: # 记得初始化所有变量 sess.run(tf.global_variables_initializer()) writer = tf.summary.FileWriter('./graphs/linear_reg', sess.graph) # 训练模型 for i in range(50): total_loss = 0 for x, y in zip(xs, ys): # 通过feed_dic把数据灌进去 _, l = sess.run([optimizer, loss], feed_dict={X: x, Y: y}) total_loss += l if i % 5 == 0: print('Epoch {0}: {1}'.format(i, total_loss / n_samples)) # 关闭writer writer.close() # 取出w和b的值 W, b = sess.run([W, b]) print(W,b) print("W:"+str(W[0])) print("b:"+str(b[0])) plt.plot(xs, ys, 'bo', label='Real data') plt.plot(xs, xs * W + b, 'r', label='Predicted data') plt.legend() plt.show()View Code
三、运行结果
四、遇到的问题
4.1 numpy.core.umath failed to import
numpy版本问题。我的解决方法是安装最新版本的 numpy
在Anaconda Prompt的tensorflow模式下输入以下两条命令
pip uninstall numpy
pip install numpy
4.2 No module named 'tensorflow‘
配置python解释器的问题
选择Anaconda下的envs\tersorflow\python.exe
?
内容总结
以上是互联网集市为您收集整理的实验6-使用TensorFlow完成线性回归全部内容,希望文章能够帮你解决实验6-使用TensorFlow完成线性回归所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。