tf的整體流程
阿新 • • 發佈:2019-01-30
# -*- coding: utf-8 -*- import tensorflow as tf import numpy as np # 1.準備資料:使用 NumPy 生成假資料(phony data), 總共 100 個點. x_data = np.float32(np.random.rand(2, 100)) y_data = np.dot([0.100, 0.200], x_data) + 0.300 # 2.構造一個線性模型 b = tf.Variable(tf.zeros([1])) W = tf.Variable(tf.random_uniform([1,2], -1.0, 1.0)) y = tf.matmul(W, x_data) + b # 3.求解模型 # 設定損失函式:誤差的均方差 loss = tf.reduce_mean(tf.square(y-y_data)) # 選擇梯度下降的方法 optimizer = tf.train.GradientDescentOptimizer(0.5) # 迭代的目標:最小化損失函式 train = optimizer.minimize(loss) ############################################################ # 以下是用 tf 來解決上面的任務 # 1.初始化變數:tf 的必備步驟,主要聲明瞭變數,就必須初始化才能用 init = tf.global_variables_initializer() # 2.啟動圖 (graph) sess = tf.Session() sess.run(init) # 3.迭代,反覆執行上面的最小化損失函式這一操作(train op),擬合平面 for step in xrange(0, 201): sess.run(train) #train.run(session = sess) if step % 20 == 0: print step, sess.run(W), sess.run(b)