tensorflow使用基礎（2） 非線性回歸

import tensorflow as tf

import numpy as np

#生成飽含隨機噪音的資料

x_data = np.linspace(
-1.0
,1.0
,200
)noise = np.random.normal(0,
0.02
,200
)y_data = x_data **
2+ noise
print
(x_data[0:
10],'\n'
,y_data[0:
10])

[-1.         -0.98994975 -0.9798995  -0.96984925 -0.95979899 -0.94974874

-0.93969849 -0.92964824 -0.91959799 -0.90954774] 
[0.98826083 1.00405787 0.93467031 0.93196639 0.9507247 0.89131818
0.8945671 0.90021127 0.83955296 0.82885712]

#對x，y進行結構處理，變成列向量

x_data = np.reshape(x_data,
(200,1
))y_data = np.reshape(y_data,
(200,1
))print
(x_data.shape,y_data.shape)

(200, 1) (200, 1)

對於1,8之間，有權重 w.shape = (1,8), b.shape() = (1,8)

對於8,1之間，有權重 w.shape = (8,1), b.shape() = (1,1)

tensorflow基礎使用2

fetch和 feed的用法 1.fetch的用法也就是在session執行時，可以以列表的方式傳參，從而同時run多個op coding utf 8 import tensorflow as tf how to use fetch input1 tf.constant 3.0 input2 tf....

tensorflow基礎使用1

1.op的設計及執行乙個簡單的圖import tensorflow as tf x tf.variable 1,2 建立變數 a tf.constant 3,3 建立常量 sub tf.subtract x,a 定義減法op add tf.add x,sub 定義加法op init tf.globa...

tensorflow基礎使用4

非線性回歸 coding utf 8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt 使用numpy生成200個隨機點 x data np.linspace 0.5,0.5,200 np.newax...