tensorflow 学习笔记:损失函数（一）

最新推荐文章于 2024-11-13 17:24:18 发布

后厂村Sherwin

最新推荐文章于 2024-11-13 17:24:18 发布

阅读量175

点赞数

分类专栏：深度学习 python 文章标签： tensorflow python 深度学习

本文链接：https://blog.csdn.net/weixin_38216179/article/details/107127563

版权

深度学习同时被 2 个专栏收录

6 篇文章 0 订阅

订阅专栏

python

5 篇文章 0 订阅

订阅专栏

常用的均方误差，作为损失函数

#coding:utf-8
"""
     拟合出预测酸奶日销量的函数模型，
     模拟真实场景数据，对y_增加噪声：-0.05~+0.05
"""
# 0.导入模块，生成数据集
import tensorflow as tf
import numpy as np

BATCH_SIZE = 8
# 随机种子SEED ，实际应用是不需要写的，我们模拟的随机数据和mooc课堂保持一致，方便debug
SEED = 2345
rdm = np.random.RandomState(SEED)
X = rdm.rand(32, 2)
# 模拟出来的数据 y_ 正确答案是两个输入集2特征之和，并且增加噪声
Y_ = [[x1+x2+(rdm.rand()/10.0-0.05)] for(x1, x2) in X]

# 1.定义神经网络的输入，参数和输出，定义向前传播过程
x = tf.placeholder(tf.float32, shape=(None, 2))
y_ = tf.placeholder(tf.float32, shape=(None, 1))
w1 = tf.Variable(tf.random_normal([2, 1], stddev=1,seed=1))
y = tf.matmul(x, w1)

# 2.定义损失函数以及反向传播方法
# 损失函数为MSE，反向传播方法为梯度下降
loss_mes = tf.reduce_mean(tf.square(y_-y))
train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss_mes)

# 3.生成会话，训练STEPS轮
with tf.Session() as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    STEPS = 20000
    for i in range(STEPS):
        start = (i * BATCH_SIZE) % 32
        end = start + BATCH_SIZE
        sess.run(train_step, feed_dict={x: X[start:end], y_: Y_[start:end]})
        if i % 500==0:
            print("After %d training steps,w1 is :\n" % i)
            print(sess.run(w1))

    print("final w1 is :\n", sess.run(w1))