1、 项目背景、功能需求分析
- 什么是逆概率
- 我们肯定知道正概率,举个例子就是,箱子里有5个黑球5个白球,那你随机拿到黑球和白球的概率都是50%,那现在我不知道箱子里有多少个黑球白球,那我通过不断的拿球应该如何确定箱子里有多少个黑球白球呢,这就是出名的逆概率
- 其实机器学习很多时候也就是逆概率的问题,我有大量现实例子的情况下,让机器从这些例子中找到共同的特征,例如给一万张猫的图片给机器学习,然后找到共同的特征(两只耳朵,四只脚,有胡须,有毛,有尾巴等特征)
- 根据逆概率的概念我们再举个其他场景
- y=Ax+B(A、B是常量)
- 如何通过这些x和y值来得到A和B的值?
2、 选题使用相关技术及环境
1.系统是ubuntu 18.04 LTS
2.我用的是pycharm来写的代码
3.Python用的是3.6.4
4.anaconda的版本为1.7.2
5.TensorFlow用的是2.3.1
3、 概要设计
先通过anaconda创建python3.6.4的虚拟环境 conda create -n tensorflow python=3.6.4
然后激活环境 source activate tensorflow
再者通过镜像高速下载对应的TensorFlow版本
pip install tensorflow -i https://pypi.douban.com/simple
安装好了TensorFlow环境之后,输入python
import tensorflow as tf
tf.version
检查是否安装成功
4、详细设计与实现
先构造数据再搭建TensorFlow神经计算结构,根据判断与正确值的差距然后进行反向传播修正参数
建立训练器,初始化TensorFlow训练结构,然后进行循环训练400次,最后输出训练次数通过这些x和y值来得到A和B的值
##构造数据##
x_data=np.random.rand(100).astype(np.float32) #随机生成100个类型为float32的值
y_data=x_data*0.1+0.3 #定义方程式y=x_data*A+B
##-------##
##建立TensorFlow神经计算结构##
weight=tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases=tf.Variable(tf.zeros([1]))
y=weight*x_data+biases
##-------##
loss=tf.reduce_mean(tf.square(y-y_data)) #判断与正确值的差距
optimizer=tf.train.GradientDescentOptimizer(0.5) #根据差距进行反向传播修正参数
train=optimizer.minimize(loss) #建立训练器
init=tf.initialize_all_variables() #初始化TensorFlow训练结构
sess=tf.Session() #建立TensorFlow训练会话
sess.run(init) #将训练结构装载到会话中
5、 系统测试
6、总结
在安装的时候要很多环境配置没有配好,通过自己以往的经验以及网上搜索内容来一步步解决
1、一开始下载好Ubuntu18.0.4很多东西都没有下载好,借助百度的力量一步步下载pip,vim,python
2、再者在安装anaconda的时候一直安装不成功
发现是版本不一致问题,因为我python的版本是3.7版本,但是我安装anaconda是最新版本,最新版本对应的是3.8python的版本,所以我去搜索anaconda的历史版本,安装Anaconda3-2019.07-Linux-x86_64.sh这个对应的版本
安装成功后会有对应的版本
3、安装TensorFlow一直爆红,后面发现原来是网速不行,因为TensorFlow下载是用外网的,考虑到TensorFlow的文件太大,直接pip install tensorflow容易失败,所以直接使用清华园的镜像
pip install tensorflow -i https://pypi.douban.com/simple
4、在全部环境配置好的运行py文件一直出现这个错误
AttributeError: module ‘tensorflow’ has no attribute 'random_normal
上网找到原因,因为最新的TensorFlow版本已经更新了把random_normal方法已经换为:random.normal
导致程序一直运行失败
最好的方法就是把import tensorflow as tf替换成
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
通过上面的步骤:遇到搞不定的问题,一定要慢慢解决,把大问题化成小问题,一步步把小问题解决,那么大问题自然而然就可以解决了
ubuntu18.04 anaconda安装tensorflow
#导入依赖库
import numpy as np #这是Python的一种开源的数值计算扩展,非常强大
import tensorflow as tf #导入tensorflow
##构造数据##
x_data=np.random.rand(100).astype(np.float32) #随机生成100个类型为float32的值
y_data=x_data*0.1+0.3 #定义方程式y=x_data*A+B
##-------##
##建立TensorFlow神经计算结构##
weight=tf.Variable(tf.random_uniform([1],-1.0,1.0))
biases=tf.Variable(tf.zeros([1]))
y=weight*x_data+biases
##-------##
loss=tf.reduce_mean(tf.square(y-y_data)) #判断与正确值的差距
optimizer=tf.train.GradientDescentOptimizer(0.5) #根据差距进行反向传播修正参数
train=optimizer.minimize(loss) #建立训练器
init=tf.initialize_all_variables() #初始化TensorFlow训练结构
sess=tf.Session() #建立TensorFlow训练会话
sess.run(init) #将训练结构装载到会话中
for step in range(400): #循环训练400次
sess.run(train) #使用训练器根据训练结构进行训练
if step%20==0: #每20次打印一次训练结果
print(step,sess.run(weight),sess.run(biases)) #训练次数,A值,B值
00次
sess.run(train) #使用训练器根据训练结构进行训练
if step%20==0: #每20次打印一次训练结果
print(step,sess.run(weight),sess.run(biases)) #训练次数,A值,B值