tensorflow非線性回歸

2022-05-04 13:45:09 字數 1734 閱讀 5211

該程式有輸入層，中間層和輸出層

執行環境：ubuntun

(menpo) queen@queen-x550ld:~/downloads/py $ python nonliner_regression.py

#


-*- coding: utf-8 -*-


#定義乙個神經網路：輸入層乙個元素，中間層10個神經元，輸出層1個元素


import


numpy as np


import


matplotlib.pyplot as plt


import


tensorflow as tf


#使用numpy生成200個隨機點


x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]


noise = np.random.normal(0,0.02,x_data.shape)


y_data = np.square(x_data)+noise


#定義兩個placeholder


x = tf.placeholder(tf.float32,[none,1])


y = tf.placeholder(tf.float32,[none,1])


#定義神經網路中間層


weights_l1 = tf.variable(tf.random_normal([1,10])) #輸入層1個元素，中間層10個神經元


biases_l1 = tf.variable(tf.zeros([1,10]))


wx_plus_b_l1 = tf.matmul(x,weights_l1) +biases_l1


l1 =tf.tanh(wx_plus_b_l1)


#定義神經網路輸出層


weights_l2 = tf.variable(tf.random_normal([10,1])) #中間層10個神經元，輸出層1個元素


biases_l2 = tf.variable(tf.zeros([1,1]))


wx_plus_b_l2 = tf.matmul(l1,weights_l2) +biases_l2


prediction =tf.tanh(wx_plus_b_l2)


#二次代價函式


loss = tf.reduce_mean(tf.square(y-prediction))


#使用梯度下降法


train_step = tf.train.gradientdescentoptimizer(0.1).minimize(loss)


with tf.session() as sess:


#變數初始化


sess.run(tf.global_variables_initializer())


for _ in range(2000):


sess.run(train_step,feed_dict=)


#獲取**值


prediction_value = sess.run(prediction,feed_dict=)


#畫圖plt.figure()


plt.scatter(x_data,y_data)


plt.plot(x_data,prediction_value,'r-


',lw=5)


plt.show()
執行結果圖

Tensorflow 線性回歸與非線性回歸

二次代價函式 均方差 神經網路 1 20 1 w1 tf.variable tf.random normal 1 20 b1 tf.variable tf.zeros 20 wxplus1 tf.matmul x,w1 b1 l1 tf.nn.tanh wxplus1 w2 tf.variable ...

Tensorflow實戰 非線性回歸

通過過乙個最簡單的神經網路 輸入層乙個神經元，隱藏層10個神經元，輸出層1個神經元 來進行非線性回歸。import tensorflow as tf import numpy as np import matplotlib.pyplot as plt 使用numpy生成200個隨機點 從 0.5到0...

3 1非線性回歸（TensorFlow例程）

非線性回歸的tensorflow例程 本例程程式設計思想 產生隨機數x data，構造y x 2 雜訊的分布，相當於已知輸入x data和輸出y data。利用輸入x data和輸出y data，利用梯度下降法，使樣本值和 值之間的損失函式 loss 最小，訓練出相應的模型 得到訓練後的模型，然後再...