# -*- coding: utf-8 -*- ''' Created on 2018年1月26日 @author: Jason.F @summary: pip install Theano， Theano,對于張量能夠高效地實現、編譯和評估數學表達式，支持在GPU上運行，利用GPU中巨大內存帶寬及浮點數運算能力 實現一個基于最小二乘法的線性回歸 ''' import theano from theano import tensor as T import numpy as np import matplotlib.pyplot as pltprint(theano.config.floatX)#查看浮點變量的設置 theano.config.floatX='float32' print(theano.config.device)#查看是在CPU還是GPU上 X_train =np.asarray([[0.0],[1.0],[2.0],[3.0],[4.0],[5.0],[6.0],[7.0],[8.0],[9.0]],dtype=theano.config.floatX) y_train =np.asarray([1.0,1.3,3.1,2.0,5.0,6.3,6.6,7.4,8.0,9.0],dtype=theano.config.floatX) def train_linreg(X_train,y_train,eta,epochs):costs=[]#initial arrayseta0=T.fscalar('eta0')y=T.fvector(name='y')X=T.fmatrix(name='X')w=theano.shared(np.zeros(shape=(X_train.shape[1]+1),dtype=theano.config.floatX),name='w')#calculate costnet_input = T.dot(X,w[1:])+w[0]errors=y-net_inputcost = T.sum(T.pow(errors,2))#perform gradient updategradient = T.grad(cost,wrt=w)update =[(w,w-eta0*gradient)]#compile modeltrain = theano.function(inputs=[eta0],outputs=cost,updates=update,givens={X:X_train,y:y_train})for _ in range(epochs):costs.append(train(eta))return costs,wcosts,w = train_linreg(X_train, y_train, eta=0.001, epochs=10) plt.plot(range(1,len(costs)+1),costs) plt.tight_layout() plt.xlabel('Epoch') plt.ylabel('Cost') plt.show() def predict_linreg(X,w):Xt=T.matrix(name='X')net_input = T.dot(Xt,w[1:])+w[0]predict = theano.function(inputs=[Xt],givens={w:w},outputs=net_input)return predict(X) plt.scatter(X_train,y_train,marker='s',s=50) plt.plot(range(X_train.shape[0]),predict_linreg(X_train, w),color='gray',marker='o',markersize=4,linewidth=3) plt.xlabel('x') plt.ylabel('y') plt.show()

結果：

總結

以上是生活随笔為你收集整理的【Python-ML】神经网络-Theano张量库(GPU版的Numpy)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。