import keras
import numpy as np
import matplotlib.pyplot as plt
#sequential 按顺序构成的模型
from keras.models import Sequential
#Dense全连接层
from keras.layers import Dense,Activation
from keras.optimizers import SGD
#使用numpy生成200个随机点
x_data = np.linspace(-0.5,0.5,200)
noise = np.random.normal(0,0.02,x_data.shape)
y_data = np.square(x_data)+noise
#生成随机点
plt.scatter(x_data,y_data)
plt.show()
#构建一个顺序模型
model = Sequential()
#在模型中添加一个全连接层
model.add(Dense(units=10,input_dim=1,activation='tanh'))
# model.add(Activation('tanh'))
model.add(Dense(units=1,activation='tanh'))
# model.add(Activation('tanh'))
#定义优化算法
sgd = SGD(lr=0.3)
#sgd:随机梯度下降法
#mse:均方误差
model.compile(optimizer = sgd,loss='mse')
#训练3001个批次
for step in range(5001):
#每次训练一个批次
cost = model.train_on_batch(x_data,y_data)
#每500个batch打印一次cost值
if step % 500 == 0:
print('cost:',cost)
#打印权值和偏置值
W,b = model.layers[0].get_weights()
print('W:',W,'b:',b)
#x_data输入网络中,得到预测值y_pred
y_pred = model.predict(x_data)
#显示随机点
plt.scatter(x_data,y_data)
#显示预测结果
plt.plot(x_data,y_pred,'r-',lw=3)
plt.show()