import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'
import tensorflow as tf
import matplotlib
import pandas as pd
matplotlib.use('Agg') # 使用Agg后端,这个后端适用于生成图像文件但不显示它们
import matplotlib.pyplot as plt
x = tf.linspace(1., 10., 100)
x = tf.reshape(x, [1, 100])
w = tf.Variable([[0.5]])
y = tf.matmul(tf.transpose(w), x)
w = tf.Variable([[0.1]])
a = tf.Variable([[0.001]])
LOSS = []
for i in range(100):
with tf.GradientTape() as tape:
y_pre = tf.matmul(tf.transpose(w), x)
loss = 0.5 * tf.reduce_mean(tf.square(y - y_pre))
LOSS.append(loss)
g = tape.gradient(loss, w)
w = w - a * g
w = tf.Variable(w)
print("当前损失为:", loss.numpy(), "求得的w为:", w.numpy())
plt.plot(LOSS)
plt.xlabel("epoch")
plt.ylabel("loss")
plt.savefig('myplot.png')
注:
-
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
:这行代码将 TensorFlow 的 C++ 后端的最小日志级别设置为 2。日志级别 2 通常表示 TensorFlow 将只输出错误信息,这有助于减少控制台输出中的信息量,特别是在调试时。 -
os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'
:这行代码用于禁用 TensorFlow 使用 oneDNN 库进行优化。oneDNN 是一个开源库,用于在深度学习中提供高度优化的底层操作。设置为 0 表示不使用 oneDNN 优化,这可能是为了确保代码的可移植性或兼容性。 -
由于报错信息:UserWarning: FigureCanvasAgg is non-interactive, and thus cannot be shown plt.show()
故选择保存图片,打开图片展示
plt.savefig('myplot.png')
- 最后运行结果