資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學如何使用 Python 和 TensorFlow 訓練線性模型？
TensorFlow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用，可以實現演算法、深度學習應用程式等等。它用於研究和生產目的。
可以使用以下程式碼行在 Windows 上安裝 'tensorflow' 包：
pip install tensorflow
張量 (Tensor) 是 TensorFlow 中使用的一種資料結構。它有助於連線資料流圖中的邊。這個資料流圖被稱為“資料流圖”。張量只不過是多維陣列或列表。它們可以使用三個主要屬性來標識：
秩 (Rank)：它表示張量的維度。可以理解為張量的階數或已定義張量的維度數。
型別 (Type)：它表示與張量元素關聯的資料型別。它可以是一維、二維或 n 維張量。
形狀 (Shape)：它一起表示行數和列數。
我們將使用 Jupyter Notebook 來執行程式碼。可以使用 'pip install tensorflow' 在 Jupyter Notebook 上安裝 TensorFlow。
以下是程式碼：
示例
import tensorflow as tf
A = tf.get_variable("A", initializer=tf.constant([0.1]))
b = tf.get_variable("b", initializer=tf.constant([0.0]))
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
my_model = A * x + b
lossVal = tf.reduce_sum(tf.square(my_model − y))
my_optimizer = tf.train.GradientDescentOptimizer(0.01)
train = my_optimizer.minimize(lossVal)
x_train = [1.0, 2.5, 3.8, 4.9]
y_train = [1.7, 3.0, 6.6, 6.8]
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(1000):
sess.run(train, {x:x_train, y:y_train})
if i%100==0:
l_cost = sess.run(lossVal, {x:x_train, y:y_train})
print(f"i: {i} cost: {l_cost}")
l_A, l_b, l_cost = sess.run([A, b, lossVal], {x:x_train, y:y_train})
print(f"A: {l_A} b: {l_b} cost: {l_cost}")輸出
i: 0 cost: 1.7808341979980469 i: 100 cost: 1.6947696208953857 i: 200 cost: 1.691591501235962 i: 300 cost: 1.6913959980010986 i: 400 cost: 1.6913844347000122 i: 500 cost: 1.6913840770721436 i: 600 cost: 1.6913843154907227 i: 700 cost: 1.691383719444275 i: 800 cost: 1.6913838386535645 i: 900 cost: 1.6913845539093018 A: [1.4599526] b: [0.07214472] cost: 1.6913845539093018
解釋
匯入所需的包併為其提供別名，以便於使用。
定義一個名為 'my_model' 的變數，其中儲存線性模型的通用格式。
使用 'GradientDescentOptimizer' 訓練此線性模型。
訓練過程旨在使損失最小化，這透過 'minimize' 方法來確保。
建立兩個列表來儲存訓練資料。
對資料進行訓練，並在控制檯上顯示預測值。
更新於：2021年1月19日
112 次瀏覽
廣告