环境:tensorflow1.1 python3 matplotlib2.02
tensorflow 1.1和之前版本有了很大的改动,在构建神经网络方面代码量减少了很多,matplotlib2.02在画图上也比之前好看了许多
#coding:utf-8
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1,1,500)[:,np.newaxis] #列向量
noise = np.random.normal(0,0.1,x.shape)
y = np.power(x,3) + noise
xs = tf.placeholder(tf.float32,x.shape)
ys = tf.placeholder(tf.float32,y.shape)
#构建神经网络
#输入,输出神经元个数,激活函数
l1 = tf.layers.dense(xs,20,tf.nn.relu) #输出10个神经元的隐藏层,激活函数relu
output = tf.layers.dense(l1,1) #输入l1,输出神经元个数1
#定义均方误差loss
#tf.losses.mean_squared_error
loss = tf.losses.mean_squared_error(ys,output) #均方误差
#定义优化器
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.4).minimize(loss) #数据量较小调大learning_rate使其学习加快
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
plt.ion() #打开交互模式
for step in range(100):
_,c = sess.run([optimizer,loss],feed_dict={xs:x,ys:y})
prediction = sess.run(output,feed_dict={xs:x}) #计算预测值
if step % 5 == 0:
#可以用clf()来清空当前图像,用cla()来清空当前坐标
plt.clf()#清空当前图像
plt.scatter(x,y)
plt.plot(x,prediction,'c-',lw='5')
plt.text(0,0.5,'cost=%.4f' % c,fontdict={'size':15,'color':'red'}) #添加text,位置在坐标轴0,0.5处
plt.pause(0.1) #暂停0.1s
plt.ioff() #关闭交互模式
plt.show()