tensorflow 实验

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：

1. 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。

2. 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。

3. 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')

4. 最后运行结果