使用tensorflow进行简单的线性回归
使用tensorflow进行简单的线性回归标签（空格分隔）： tensorflow数据准备[*]使用np.random.uniform()生成x方向的数据
[*]使用np.random.uniform()生成bias数据
[*]直线方程为y=0.1x + 0.2
[*]使用梯度下降算法
代码<font size="5">import numpy as np
import tensorflow as tf
path = 'D:\tensorflow_quant\ailib\log_tmp'
# 生成x数据
points = 100
vectors = []
for i in range(points):# y=0.1*x + 0.2
x = np.random.uniform(0, 0.66)
y = x * 0.1 + 0.2 + np.random.uniform(0, 0.04)
vectors.append()
x_data = for v in vectors]
y_data = for v in vectors]
#形成计算图
w = tf.Variable(tf.random_uniform(, -1.0, 1.0))
b = tf.Variable(tf.zeros())
y = w * x_data + b
#定义损失函数
loss = tf.reduce_mean(tf.square(y-y_data))
#定义优化器
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
#对计算图开始计算
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
for step in range(1000):
sess.run(train)
if step%5==0:
print(step,sess.run(loss),sess.run(w),sess.run(b))
#生成计算日志
writer = tf.Summary.FileWriter(path,sess.graph)</font>
页:
[1]