zoukankan      html  css  js  c++  java
  • 【TensorFlow入门完全指南】模型篇·线性回归模型

    首先呢,进行import,对于日常写代码来说,第二行经常写成:import numpy as np,这样会更加简洁。第三行import用于绘图。

    定义了学习率、迭代数epoch,以及展示的学习步骤,三个参数。

    同时给出了训练用的原始数据,n_samples用来记录一共有多少数据。

    这里指明了计算图的输入,W和b是模型的权重矩阵和偏差,目的是要学习一个

    [y=mathbf{W}x+mathbf{b}]

    函数。

    这里就定义了上述函数。

    这里定义了损失函数cost,使用了平方损失。

    optimizer是优化器,用来定义训练方法,这里使用了梯度下降。

    最后初始化所有的变量。当然我认为最好的初始化还是高斯分布。

     这次是在指定的迭代次数里进行循环,每一次迭代,都输入一次zip(x,y)即x与y的元素绑定,数据被完整地喂了num_epoch次。每过几次,就展示一下log。

    上面代码的核心代码就是这行:,所有的代码都是在不断地运行这行优化代码,请记住sess.run()的这种用法。

    最后四行代码用来绘图,效果如下:

     下图展示了学习log。

  • 相关阅读:
    使用Docker及k8s启动logstash服务
    在kubernetes上部署zookeeper,kafka集群
    k8s configmap 挂载配置文件
    k8s 安装 rabbitMQ 单机版
    aws 挂载efs (nfs)目录
    长白山游记
    RedHat 安装YUM软件
    mysql查询案例
    mysql子查询
    mysql联合查询
  • 原文地址:https://www.cnblogs.com/ldzhangyx/p/7211767.html
Copyright © 2011-2022 走看看