本系列專門用來記錄我的深度學習歷程，其中程式碼大部分均出自於李金洪老師的《深度學習之TensorFlow》，希望所有機器學習的道友都能有所知、有所得。

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

plotdata = {"batchsize": [], "loss": []}
def moving_average(a, w=10):
    if len(a) < w:
        return a[:]
    return [val if idx < w else sum(a[(idx - w):idx]) / w for idx, val in enumerate(a)]
 

1.準備資料

train_X = np.linspace(-1, 1, 100)
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3  # 加入噪聲

顯示模擬資料點

plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.legend()  # 顯示圖例
plt.show()  # 顯示圖

2.建立模型

正向搭建模型

X = tf.placeholder("float")#佔位符
Y = tf.placeholder("float")

模型引數

W = tf.Variable(tf.random_normal([1]), name="weight")  # W被初始化成[-1,1]的隨機數，形狀為一維
b = tf.Variable(tf.zeros([1]), name="bias")  # b被初始化為0，形狀也為一維
 

前向結構

z = tf.multiply(X, W) + b

反向搭建模型

cost = tf.reduce_mean(tf.square(Y - z))
learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)  #梯度下降

3.迭代訓練模型 初始化所有變數

init = tf.global_variables_initializer()

定義引數

training_epochs = 20
display_step = 2

啟動session

with tf.Session() as sess:
    sess.run(init)
    plotdata={"batchsize": [], "loss": []}
# 向模型輸入資料
for epoch in range(training_epochs):
    for (x, y) in zip(train_X, train_Y):
        sess.run(optimizer, feed_dict={X: x, Y: y})

    # 顯示訓練中的詳細資訊
    if epoch % display_step == 0:
        loss = sess.run(cost, feed_dict={X: train_X, Y: train_Y})
        print("EPOCH:", epoch + 1, "cost=", loss, "W=", sess.run(W), "b=", sess.run(b))
        if not (loss == "NA"):
            plotdata["batchsize"].append(epoch)
            plotdata["loss"].append(loss)

print("Finished!")
print("cost=", sess.run(cost, feed_dict={X: train_X, Y: train_Y}), 'W=', sess.run(W), "b=", sess.run(b))
 

4.訓練模型視覺化

plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fittedline')
plt.legend()
plt.show()

plotdata["avgloss"] = moving_average(plotdata["loss"])
plt.figure(1)
plt.subplot(211)
plt.plot(plotdata["batchsize"], plotdata["avgloss"], 'b--')
plt.xlabel('Minibatch number')
plt.ylabel('Loss')
plt.title('Minibatch run vs. Training loss')

plt.show()

5.使用模型

print("x=0.2,z=",sess.run(z,feed_dict={X:0.2}))