使用tensorflow实现最简单的线性回归算法

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使用tensorflow实现最简单的线性回归算法，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2356字，纯文字阅读大概需要4分钟。

内容图文

 1         #线性回归：用线性模型y=Wx+b拟合sin
 2         import numpy as np
 3         import matplotlib.pyplot as plt
 4         import tensorflow as tf
 5         
 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'] # 用来正常显示中文标签
11         plt.rcParams['axes.unicode_minus']=False# 用来正常显示负号
12         plt.title('线性模型y=Wx+b拟合sin')
13         plt.legend()
14         plt.grid(True)
15         plt.plot(x_data, y_label, 'b.', label='测试数据')
16         
17         #静态图定义
18         mg = tf.Graph()
19         with mg.as_default():
20             #图输入
21             X = tf.placeholder("float")
22             Y = tf.placeholder("float")
23             
24             #训练权重w,b
25             W = tf.Variable(np.random.randn(), name="weight")
26             b = tf.Variable(np.random.randn(), name="bias")
27             
28             #线性模型y=Wx+b
29             pred = tf.add(tf.multiply(X, W), b)
30             
31             #损失函数:使用样本方差
32             cost = tf.reduce_sum(tf.pow(pred-Y, 2)) / (len(x_data)-1)
33             
34             #使用梯度下降法优化
35             optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(cost)
36             
37             #初始化图变量
38             init = tf.group(tf.global_variables_initializer(),
39                             tf.local_variables_initializer())
40             
41         with tf.Session(graph=mg) as sess:
42             sess.run(init)
43             for epoch in range(500):
44                 for (x, y) in zip(x_data, y_label):
45                     sess.run(optimizer, feed_dict={X: x, Y: y})
46                 if (epoch+1) % 10 == 0:
47                     c = sess.run(cost, feed_dict={X: x_data, Y:y_label})
48                     print('epoch={:} cost={:0.6f} W={:0.6f} b={:0.6f}'.format(epoch+1,c,sess.run(W),sess.run(b)))
49             training_cost = sess.run(cost, feed_dict={X: x_data, Y: y_label})
50             print('训练结果 cost={:0.6f} W={:0.6f} b={:0.6f}'.format(training_cost,sess.run(W),sess.run(b)))
51             plt.plot(x_data, sess.run(W) * x_data + sess.run(b),'r--' , label='拟合数据')
52             plt.legend()
53         plt.show()

 

---

 

内容总结

以上是互联网集市为您收集整理的使用tensorflow实现最简单的线性回归算法全部内容，希望文章能够帮你解决使用tensorflow实现最简单的线性回归算法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

---