由浅入深之Tensorflow(1)----linear_regression实现

2019年10月27日 130次阅读 来源: tensorflow

　　Tensorflow是目前非常流行的deeplearning框架，学习Tensorflow最好的方法是github上的tf项目https://github.com/tensorflow/tensorflow

或者阅读极客学院主导翻译的中文教程http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/reading_data.html 。

　　此处对tensorflow的基本语法不予赘述，直接贴上源码：

import numpy as np
import tensorflow as tf

#准备数据
trainX = np.linspace(-1, 1, 101)
trainY = 2 * trainX + np.random.randn(*trainX.shape) * 0.33

#定义模型
def model(X, w):
    return tf.mul(X, w)

#初始化数据流图
X = tf.placeholder('float')
Y = tf.placeholder('float')

w = tf.Variable(0.0, name = 'weights')

y_ = model(X, w)

#评估模型
cost = tf.square(Y - y_)
train_op = tf.train.GradientDescentOptimizer(0.01).minimize(cost)

sess = tf.InteractiveSession()
init = tf.initialize_all_variables()
#训练
sess.run(init)
for i in range(100):
    for (x, y) in zip(trainX, trainY):
        sess.run(train_op, feed_dict = {X: x, Y: y})
print sess.run(w)

sess.close()

 

    原文作者：tensorflow
    原文地址: https://www.cnblogs.com/upright/p/6136193.html
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞