神经网络训练Weights&biases
0.导语
今日TensorFlow第二弹:
给出一个函数y=0.1x+0.3,y=x*Weights+biases,然后利用tensorflow把Weights变成0.1,biases变成0.3
1.导包
import tensorflow as tf
import numpy as np
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 设置TensorFlow输出模式,忽略警告
2.创建数据
x_data=np.random.rand(100).astype(np.float32)
y_data=x_data*0.1+0.3
3.创建tensorflow结构
# 定义一个初始值为-1到1的随机数,不断提升接近0.1
Weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))
# 定义一个初始值从0开始,不断提升接近0.3
biases=tf.Variable(tf.zeros([1]))
y=Weights*x_data+biases
# 计算预测y与真实y的误差
loss=tf.reduce_mean(tf.square(y-y_data))
# 传播误差
# 建立优化器 反向传递误差的工作就教给optimizer了, 使用的误差传递方法是梯度下降法: Gradient Descent
optimizer=tf.train.GradientDescentOptimizer(0.5) # 0.5表示学习效率,小于1的数
# 利用优化器减少误差,提升参数准确度 (使用 optimizer 来进行参数的更新).
train=optimizer.minimize(loss)
init =tf.global_variables_initializer()
4.结构激活
sess=tf.Session()
sess.run(init) # Session就像指针一样,指向哪就被激活
5.开始训练
# 给它201步,0.....200
for step in range(201):
sess.run(train)
if step%20==0:
参考