簡述

下面有非常詳細的代碼注釋

學習自莫凡大神給的demo
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/2-2-example2/

這里的create數據的時候，其實就是創建了一個很簡單的模型，就是說，一條y= 0.1x+0.3的直線。

然后，我們創建了兩個變量，通過梯度下降的方式，不斷迭代，就可以迭代到我們想要的那幾個解當中。

代碼

import tensorflow as tf import numpy as np# TensorFlow嫌棄了我這臺電腦的CPU(我這就避免了警報) # ================== import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # ==================# create data x_data = np.random.rand(100).astype(np.float32) y_data = x_data * 0.1 + 0.3# 創建兩個變量 # 第一個參數表示的數據規模，后面兩個表示的是數據上下界 Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) # bias初始化為0 biases = tf.Variable(tf.zeros([1]))# 構建一個y y = Weights * x_data + biases # 構建損失函數 loss = tf.reduce_mean(tf.square(y - y_data))# 迭代方式(梯度下降法) optimizer = tf.train.GradientDescentOptimizer(0.5) # 訓練語句 train = optimizer.minimize(loss)# 初始化 init = tf.global_variables_initializer() with tf.Session() as sess:sess.run(init) # Very importantfor step in range(201):sess.run(train)if step % 20 == 0:print(step, sess.run(Weights), sess.run(biases))

總結

以上是生活随笔為你收集整理的用TensorFlow训练第一个模型的全部內容，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。