实验1 tensorflow 实现线性回归
说在前面
本实验使用tensorflow来实现一元线性回归。
背景:拿到手上有一堆数据,想要建立一元线性函数
y = wx+b来拟合这些数据
思想:建立的一元线性函数被w,b唯一确定,任务就是找到这两个参数。随机初始化w,b;建立损失函数来评估w,b的好坏;采用梯度下降法更新w,b的取值;
实验步骤
- 生成带噪声的数据,原数据服从sin函数分布
- 定义输入输出、变量(权重与偏置)、损失函数、优化器
- 开始训练
- 输出最终结果、可视化
主要API
API | 功能 |
---|---|
tf.placeholder() | 定义输入输出的容器 |
tf.Variable() | 定义变量 |
tf.train.GradientDescentOptimizer().minimize() | 梯度下降 |
tf.global_variables_initializer() | 初始化变量 |
tf.Session() | 创建执行环境 |
sess.run() | 执行喂入的节点 |
具体代码
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (14, 8)
# 1.生成带噪声的数据
n = 100
xs = np.linspace(-3,3,n)
ys