本文主要引入一个简单的示例来阐述Tensorflow的应用。
先来一段程序,它是采用梯度下降法来训练数据。
import tensorflow as tf
import numpy as np
#numpy库为数学计算库,若导入失败,请先安装(pip install numpy)
#使用numpy随机产生100个随机点
x_data=np.random.rand(100)
y_data = x_data+1
#构造一个线性模型
b= tf.Variable(0.)
k= tf.Variable(0.)
y= k*x_data +b
#损失函数
loss = tf.reduce_mean(tf.square(y_data-y))
#定义一个梯度下降法优化器
optimizer = tf.train.GradientDescentOptimizer(0.03)
#最小化代价函数
train = optimizer.minimize(loss)
#初始化全局变量
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
#训练2000次
for step in range(2001):
sess.run(train)
#每训练20次打印输出训练次数和得到的k,b值
if step%20 == 0:
print(step,sess.run([k,b]))
本文主要作为一个引入,还有一些概念不懂的,可以自行去查询相关内容,后面会继续分析相关内容。
Enjoy.
转载请注明出处,Juyin@2017/11/12