TF之NN：基于Tensorflow利用神经网络算法对数据集(用一次函数随机生成100个数)训练预测斜率、截距(逼近已知一次函数)
 

目录

输出结果

代码设计

输出结果

代码设计

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 
import tensorflow as tf
import numpy as np
 
x_data = np.random.rand(100).astype(np.float32)  
y_data = x_data*0.1 + 0.3                      
 
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))  
biases = tf.Variable(tf.zeros([1]))                      
 
y = Weights*x_data + biases                  
 
loss = tf.reduce_mean(tf.square(y-y_data))        
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
 
init = tf.initialize_all_variables()  
init = tf.global_variables_initializer()     
 
 create tensorflow structure end 
 
sess = tf.Session()   
sess.run(init)       
 
for step in range(201): 
    sess.run(train)     
    if step % 10 == 0:    
        print(step, sess.run(Weights), sess.run(biases))

相关文章
TF：Tensorflow之一次函数应用，随机生成100个数，利用Tensorflow训练使其逼近已知一次函数的斜率和截距