tensorflow入門例子

import tensorflow as tf

import numpy as np
##使用 numpy 生成假資料(phony data), 總共 100 個點.
# (100,2)
x_data = np.float32(np.random.rand(100, 2)) # 隨機輸入
y_data = np.dot(x_data,[[0.100],[0.200]]) + 0.300
#構造乙個線性模型
# 初始化線性模型的權重，b=0,w為均勻分布 
b = tf.variable(tf.zeros([1]))
w = tf.variable(tf.random_uniform([2, 1], -1.0, 1.0))
y = tf.matmul(x_data,w) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.gradientdescentoptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化變數
init = tf.initialize_all_variables()
# 啟** (graph)
sess = tf.session()
sess.run(init)
# 擬合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(w), sess.run(b)
# 得到最佳擬合結果 w: [[0.100],[0.200]], b: [0.300]

TensorFlow學習例子 1

例子 tensorflow使用的乙個小案例 原博作者注釋寫得很清晰明白。感謝。我是無理論者，並且是初接觸，打算從學習各個例子中學習熟悉tensorflow 雖然不正經，但是對前期興趣保持有好處。理解每句話 本例原理 逆概率，即 使用已有的x，y資料對和已知的模型公式，訓練出模型的引數 import ...

重要 tensorflow線性回歸例子

loss tf.reduce mean tf.square y y optimizer tf.train.gradientdescentoptimizer 0.5 線性回歸最常用的耗費函式就是mse均方誤差 from future import print function from future ...

Tensorflow中的mnist例子

git clone mnist softmax.py檔案在目錄tensorflow examples tutorials mnist 下，可以把該檔案copy出來，單獨研究 直接執行python3 mnist softmax.py，理論上應該可以直接執行，理論上 這個就只能自己想辦法了，不便多說，如...