tensorflow2.0 梯度下降的实现

graph1=tf.Graph()
with graph1.as_default():
    x=tf.constant([[2.0,1.0]],dtype=tf.float32)
    y=tf.constant([0.0],dtype=tf.float32)

梯度下降法解线性方程就是不断输入系数x=[2,1]和结果y=[3],作为训练数据来训练参数w1, w2, b,所以先给出训练数据:

with graph1.as_default():
    w=tf.Variable(tf.constant([[1.0],[2.0]],dtype=tf.float32),name='w',trainable=True)
    b=tf.Variable(tf.constant([0,0],dtype=tf.float32),name='b',trainable=True)
    y_train=tf.matmul(x,w)+b
with graph1.as_default():
    loss=tf.reduce_mean((y-y_train)**2)
lr=0.05
with graph1.as_default():
    global_step=tf.Variable(0,trainable=False)
    learning_rate=tf.compat.v1.train.exponential_decay(learning_rate=lr,
                                            global_step=global_step,
                                            decay_rate=0.9,
                         
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值