tensorflow的一个模型构造和模型优化的简单示例 - 自然语言处理 - 方帮信


大厂面试直通卡 本周拉勾免费课:《深入浅出搞定React》 7月6号下线 【腾讯云】2021新春采购节,爆款产品特惠,助力企业上云
当前位置: 首页 >  > 人工智能 > 自然语言处理

tensorflow的一个模型构造和模型优化的简单示例

2019/2/27 21:19:57 浏览

import tensorflow as tfimport numpy as np#使用numpy生成100个随机的点,100个随机点,在这里视为样本x_data=np.random.rand(100)#就相当于平面坐标系上的一条直线,斜率是0.1,截距是0.2y_data=x_data*0.1+0.2#构造一个线性模型b=tf.Variable(0.)k=tf.Variable(0.)y=k…

站长送干货喽:

1.拉勾教育7天VIP

2.大场面试题第一季-阿里篇视频讲解

站长的微信:changyandoublog

import tensorflow as tf
import numpy as np

#使用numpy生成100个随机的点,100个随机点,在这里视为样本
x_data=np.random.rand(100)

#就相当于平面坐标系上的一条直线,斜率是0.1,截距是0.2
y_data=x_data*0.1+0.2

#构造一个线性模型
b=tf.Variable(0.)
k=tf.Variable(0.)

y=k*x_data+b

#使用tensorflow来优化b和k这两个变量,使得这样的线性模型,接近或者等于上面创建出来的样本点的分布

#定义一个二次代价函数

loss=tf.reduce_mean(tf.square(y_data-y))

#y_data就相当于是样本的值,相当于是真实值,y是预测值,真实值减去预测值会得到一个误差,误差的平方求平均值,这就是二次代价函数,得到的loss,如果深度学习或者机器学习有基础的情况下,应该不会很陌生

#然后定义一个梯度下降法来进行训练的优化器,0.2是一个学习率
optimizer=tf.train.GradientDescentOptimizer(0.2)

#最小化代价函数,训练的目的就是为了最小化代价函数,loss越小就说明结算的结果越接近真实值,这里的b和k就越接近于0.2和0.1
train=optimizer.minimize(loss)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for step in range(201):#迭代201次
        sess.run(train)#每次迭代都run一下train
        if(step%20==0)
            print(step,sess.run(k,b))#每20次打印一下k和b的值

#这就是tensorflow的一个模型构造和模型优化的简单示例


来源:方帮信(微信:changyandoublog,邮箱:changyandou@126.com),欢迎分享!