生成一个模拟y~2x的数据集,并通过静态图的方式显示出来
总体步骤
- 生成模拟数据集
- 定义占位符
- 建立会话(session),获取并显示模拟数据
- 将模型数据可视化
- 运行程序
生成模拟数据
1、创建一个模拟数据生成器
2、每次只生成指定批次的样本
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
def GenerateData(batchsize = 100):
train_x = np.linspace(-1, 1, batchsize) #随机生成(-1,1)之间的浮点数
train_y = 2 * train_x + np.random.randn(*train_x.shape) * 0.3 # y = 2x 加入了噪声
yield train_x, train_y
用关键字yield修饰函数GenerateData的返回方式,生成器对象只使用一次便会自动销毁。可以节省系统资源。
定义占位符
x_input = tf.placeholder("float", (None)) #两个占位符接收参数
y_input = tf.placeholder("float", (None))
建立会话获取数据
train_epoch = 200 #迭代次数
with tf.Session(