来自《TensorFlow深度学习》书籍一、线性回归model = tf.keras.Sequential() #序列模型，在此基础上搭网络model.add(tf.keras.layers.Dense(1,input_shape = (1,))) #全连接层model.summary() 二、分类 import os import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers, optimizers, datasets加载数据x的大小(60000,28,28),60000个样本，每个样本由28行、28列构成，数值大小为【0,255】...
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt""" 1. shape: 矩阵维度 3*2 =================== 2. [None,1]: N行 1列 =================== 3. numpy.random.normal(loc=0.0, scale=1.0, size=None) 正态分布 loc：float此概率分布的均值（对应着整个分布的中心centre） scale：float此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高） size：int or tuple of ints输出的...
过程：先用numpy建立100个数据点，再用梯度下滑工具来拟合，得到完美的回归线。 1# _*_coding:utf-8_*_ 2import tensorflow as tf3import numpy as np4 5# 用numpy建立100个数据点，y=x*0.1+0.3 6 x_data = np.random.rand(100).astype("float32")7 y_data = x_data*0.1+0.38 9# 建立权值变量W和偏移量变量b10 W = tf.Variable(tf.random_uniform([1],-1.0,1.0)) 11 b = tf.Variable(tf.zeros([1])) 12 y = W * x_data + b 1314# 最...
思路：在数据上选择一条直线y=Wx+b，在这条直线上附件随机生成一些数据点如下图，让TensorFlow建立回归模型，去学习什么样的W和b能更好去拟合这些数据点。1）随机生成1000个数据点，围绕在y=0.1x+0.3 周围，设置W=0.1，b=0.3，届时看构建的模型是否能学习到w和b的值。import numpy as np import tensorflow as tf import matplotlib.pyplot as plt num_points=1000 vectors_set=[] for i in range(num_points):x1=np.random.n...
概述 最近学习机器学习（和深度学习），入门第一个接触的便是简单线性回归。所谓线性回归，是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。其形式可表示为：y = w1x1 + w2x2 + w3x3 + ... + w_nx_n + b而简单线性回归，是其最简单的形式：y = wx + b，即我们所熟知的一次函数，理解为给定权重w和偏置（或称为截距）b，结果y随变量x的变化而变化。简单线性回归机器学习中的简单线性回...
训练集是生成的随机数，x和y的对应关系是y=2x。先生成100个随机数x,然后再计算出y=2x，并在结果上加上一些噪声，测试线性回归模型能否拟合好出y=2x。 1、代码如下：import tensorflow as tf #导入TensorFlow模块 import numpy as np import matplotlib.pyplot as plttrain_X=np.linspace(-1,1,100) #产生训练样本X.函数np.linspace用于产生随机数，5个参数，常用前三个，前两个代表产生随机数的范围，第三个代表数目，默认50. trai...
文章目录 一、机器学习入门概念一、基本概念机器学习：让机器进行学习和决策机器学习分类：无监督学习、监督学习、强化学习深度学习：模拟人脑，自动提取输入特征，是实现机器学习的方式之一神经网络：一种机器学习的方式 二、基本术语 二、线性回归与损失函数一、什么是线性回归二、方程表达三、多特征线性回归四、损失函数五、降低损失方法六、随机梯度下降和小批量梯度下降 三、Tensorflow和Numpy一、什么是TensorFlow二、基本概...
TensorFlow是谷歌推出的深度学习平台，目前在各大深度学习平台中使用的最广泛。 一、安装命令 pip3 install -U tensorflow --default-timeout=1800 -i https://mirrors.ustc.edu.cn/pypi/web/simple 上面是不支持GPU的版本，支持GPU版本的安装命令如下 pip3 install -U tensorflow-gpu --default-timeout=1800 -i https://mirrors.ustc.edu.cn/pypi/web/simple https://mirrors.ustc.edu.cn/pypi/web/simple 是国内的镜像，安装速度...
导入依赖包 import tensorflow as tf import numpy as np import matplotlib.pylab as plt from pylab import mpl mpl.rcParams['font.sans-serif'] = ['SimHei'] 生成直线数据并加入噪音画图显示 train_x = np.linspace(-1, 1, 100) # 生成 -1 到 1之间 分成100份 # print(train_x) noise = np.random.randn(*train_x.shape) * 0.3 train_y = 2 * train_x + noise # 给每一个点加上噪音 # print(noise) plt.plot(train_x, train...
1 #线性回归：用线性模型y=Wx+b拟合sin2 import numpy as np3 import matplotlib.pyplot as plt4 import tensorflow as tf5 6 #数据，标签7 x_data = np.linspace(-2*np.pi,2*np.pi,300)8 noise = np.random.normal(-0.01,0.05,x_data.shape)9 y_label = np.sin(x_data) + noise 10 plt.rcParams[font.sans-serif]=[FangSong] # 用来正常显示中...
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.placehol...