Tensorflow первый опыт

машинное обучение

Tensorflow очень серьезно относится к структуре: нам нужно построить структуру нейронной сети, прежде чем мы сможем вводить числа и запускать структуру.

узнать это сегодняTensorflowПростой пример

1. Создайте данные

Во-первых, вам нужно загрузитьtensorflowиnumpyдва модуля и использоватьnumpyдля создания данных.

import tensorflow as tf
import numpy as np

# create data
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data*0.1 + 0.3
2. Построить модель

использоватьtf.Variableсоздать описаниеyпараметр.

Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
biases = tf.Variable(tf.zeros([1]))

y = Weights*x_data + biases
3. Ошибка расчета

Рассчитайте фактическое значение и исходную ошибку.

loss = tf.reduce_mean(tf.square(y-y_data))
4. Ошибка распространения
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
5. Обучение

Пока мы только построили структуру нейросети и не использовали эту структуру, перед использованием этой структуры мы должны инициализировать все ранее определенныеVariable, поэтому следующий абзац очень важен!

# init = tf.initialize_all_variables() # tf 马上就要废弃这种写法
init = tf.global_variables_initializer()  # 替换成这样就好

Далее создаем сессиюSession.

sess = tf.Session()
sess.run(init)          # Very important

for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(Weights), sess.run(biases))
6. Запустите код

Запустите код, скриншот выглядит следующим образомМы видим, что значение этой первичной функцииWeightsиbiasesПолучилось два случайных значения.через 200 раз обучения каждый раз ближе к исходному значению, то есть0.1и0.3.

Полный код выглядит следующим образом:

from __future__ import print_function
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
import numpy as np

# create data
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data*0.1 + 0.3

### create tensorflow structure start ###
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
biases = tf.Variable(tf.zeros([1]))

y = Weights*x_data + biases

loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
### create tensorflow structure end ###

sess = tf.Session()
# tf.initialize_all_variables() no long valid from
# 2017-03-02 if using tensorflow >= 0.12
if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_variables()
else:
    init = tf.global_variables_initializer()
sess.run(init)

for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(Weights), sess.run(biases))

благодарный

Не беспокоить ПИТОН

Уведомление об авторских правах©Технический рай Джимми
Бесплатная перепечатка - некоммерческая - не производная - сохранить авторство(лицензия Creative Commons 4.0).
Категории