神经网络训练Weights&biases

• 2019 年 10 月 5 日
• 筆記

神经网络训练Weights&biases

0.导语

今日TensorFlow第二弹：

给出一个函数y=0.1x+0.3,y=x*Weights+biases,然后利用tensorflow把Weights变成0.1,biases变成0.3

1.导包

import tensorflow as tf  import numpy as np  import os  

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 设置TensorFlow输出模式，忽略警告  

2.创建数据

x_data=np.random.rand(100).astype(np.float32)  y_data=x_data*0.1+0.3  

3.创建tensorflow结构

# 定义一个初始值为-1到1的随机数，不断提升接近0.1  Weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))  # 定义一个初始值从0开始，不断提升接近0.3  biases=tf.Variable(tf.zeros([1]))  y=Weights*x_data+biases  # 计算预测y与真实y的误差  loss=tf.reduce_mean(tf.square(y-y_data))  # 传播误差  # 建立优化器 反向传递误差的工作就教给optimizer了, 使用的误差传递方法是梯度下降法: Gradient Descent  optimizer=tf.train.GradientDescentOptimizer(0.5) # 0.5表示学习效率，小于1的数  # 利用优化器减少误差，提升参数准确度 (使用 optimizer 来进行参数的更新).  train=optimizer.minimize(loss)  init =tf.global_variables_initializer()  

4.结构激活

sess=tf.Session()  sess.run(init) # Session就像指针一样，指向哪就被激活  

5.开始训练

# 给它201步，0.....200  for step in range(201):      sess.run(train)      if step%20==0:  

参考 https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/2-2-example2/