机器学习（四）——Tensorflow2

本想开始CNN的实现，发现还有一些需要提前分享给大家：

1.可视化结果：

matplotlib可用来可视化tensorflow曲线拟合过程：

①真实的x，y散点图：

import matplotlib.pyplot as plt

fig =plt.figure()

ax = fig.add_subplot(1,1,1)

ax.scatter(x_data, y_data)

plt.ion() #show()之后不会终止程序运行

plt.show() 

②画出每次更新的拟合曲线：

try:

ax.lines.remove(lines[0]) 

except Exception:

pass

③拟合曲线：

lines= ax.plot(x_data, predict_value, 'r-', lw=5)

plt.pause(0.1)

2.加速NN训练过程

优化器的选择，会影响到NN的训练速度，tensorflow中有7中优化器：

①GradientDescentOptimizer类，包括SGD；建议初学者使用；

②AdadeltaOptimizer;

③AdagradOPtimizer;

④MomentumOptimizer;最常用的优化器之一，建议熟手使用；

⑤AdamOptimizer;最常用的优化器之一，建议熟手使用；

⑥FtrlOptimizer;

⑦RMSPropOptimizier;

3.可视化神经网络结构：

<