首页 > 代码库 > 由浅入深之Tensorflow(1)----linear_regression实现
由浅入深之Tensorflow(1)----linear_regression实现
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()
由浅入深之Tensorflow(1)----linear_regression实现
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。