使用TensorFlow構造了一個隱藏層和輸出層的神經網絡，做非線性曲線的擬合

import tensorflow as tf import matplotlib.pyplot as plt import numpy as npnp.random.seed(1) x = np.linspace(-1, 1, 100)[:, np.newaxis] #創建一個新維度 noise = np.random.normal(0, 0.1, size=x.shape)#產生0-0.1之間x長度的隨機數 y = np.power(x, 3) + 0#定義函數y為二次函數加上噪聲的圖像 plt.scatter(x, y)#定義x和y的散點圖 plt.show()#畫圖tf.set_random_seed(1)#設定隨機種子 tf_x = tf.placeholder(tf.float32, x.shape) #定義占位符x tf_y = tf.placeholder(tf.float32, y.shape) #定義占位符y l1 = tf.layers.dense(tf_x, 10, tf.nn.relu) #定義隱藏層，使用relu激活函數 output = tf.layers.dense(l1, 1) #定義輸出層 loss = tf.losses.mean_squared_error(tf_y, output) # 定義損失值均方誤差loss optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.5)#定義學習率為0.5的梯度下降算法的優化器 train_op = optimizer.minimize(loss)#執行 sess = tf.Session() #定義會話 sess.run(tf.global_variables_initializer()) #會話占位符初始化plt.ion() # 打開交互模式for step in range(500):#訓練神經網絡并輸出損失值l和預測值pred_, l, pred = sess.run([train_op, loss, output], {tf_x: x, tf_y: y})if step % 20 == 0:#每訓練5次輸出一次# 畫圖plt.cla()plt.scatter(x, y)plt.plot(x, pred, 'r-', lw=5)#畫出x和預測值pred的散點圖plt.text(0.5, 0, 'Loss=%.4f' % l, fontdict={'size': 20, 'color': 'red'})#輸出損失值lplt.pause(0.1)plt.ioff()#關閉交互模式 plt.show()#畫圖

GitHub地址：https://github.com/xiaobingchan/machine_learn

效果如圖

?

總結

以上是生活随笔為你收集整理的玩玩机器学习5——构造单层神经网络解决非线性函数（三次函数）的曲线拟合的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。