基于tensorflow的一元二次方程回归预测

最新推荐文章于 2022-09-26 11:18:07 发布

xiaosakun

最新推荐文章于 2022-09-26 11:18:07 发布

阅读量888

点赞数

本文链接：https://blog.csdn.net/xiaosa_kun/article/details/84868545

版权

这篇博客介绍了如何使用TensorFlow搭建神经网络进行一元二次方程的回归预测。博主首先检测了TensorFlow环境，然后详细阐述了数据准备、搭建神经网络、变量初始化、模型训练的过程，并提供了完整代码。在模型训练中，博主展示了随着训练次数增加，loss值逐渐降低的情况。最后，博主分享了可视化代码的下载链接，并总结了学习TensorFlow的心得体会。

摘要由CSDN通过智能技术生成

2018年9月13日笔记

0.检测tensorflow环境

安装tensorflow命令：pip install tensorflow
下面一段代码能够成功运行，则说明安装tensorflow环境成功。

import tensorflow as tf
hello = tf.constant('hello world')
session = tf.Session()
session.run(hello)

上面一段代码成功运行的结果如下图所示：

image.png

1.数据准备

从下图可以看出，变量a为1维的ndarray对象时，a[:, np.newaxis]与a.reshape(-1, 1)相同。

image.png

import numpy as np

X = np.linspace(-1, 1, 300)[:, np.newaxis].astype('float32')
noise = np.random.normal(0, 0.05, X.shape).astype('float32')
y = np.square(X) - 0.5 + noise

第1行代码导入numpy库，起别名np；
第3行代码调用np.linspace方法获得一个区间内的等间距点，例如np.linspace(0, 1, 11)是获取[0, 1]区间的11个等间距点。如下图所示：