用TensorFlow训练第一个模型

简述

下面有非常详细的代码注释

学习自莫凡大神给的demo
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/2-2-example2/

这里的create数据的时候，其实就是创建了一个很简单的模型，就是说，一条y= 0.1x+0.3的直线。

然后，我们创建了两个变量，通过梯度下降的方式，不断迭代，就可以迭代到我们想要的那几个解当中。

代码

import tensorflow as tf import numpy as np# TensorFlow嫌弃了我这台电脑的CPU(我这就避免了警报) # ================== import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # ==================# create data x_data = np.random.rand(100).astype(np.float32) y_data = x_data * 0.1 + 0.3# 创建两个变量 # 第一个参数表示的数据规模，后面两个表示的是数据上下界 Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) # bias初始化为0 biases = tf.Variable(tf.zeros([1]))# 构建一个y y = Weights * x_data + biases # 构建损失函数 loss = tf.reduce_mean(tf.square(y - y_data))# 迭代方式(梯度下降法) optimizer = tf.train.GradientDescentOptimizer(0.5) # 训练语句 train = optimizer.minimize(loss)# 初始化 init = tf.global_variables_initializer() with tf.Session() as sess:sess.run(init) # Very importantfor step in range(201):sess.run(train)if step % 20 == 0:print(step, sess.run(Weights), sess.run(biases))

总结

以上是生活随笔为你收集整理的用TensorFlow训练第一个模型的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。