介绍 import 操作系统
import tensorflow as tf
def linear_regression ():
“才能”;“
自才能实现一个线性回归
,,:返回:
“才能”;“
#才能,命名空间
with 才能tf.variable_scope (“prepared_data"):
,,,#,准备数据
,,,x =, tf.random_normal(形状=100,,1,,name=癋eature")
,,,y_true =, tf.matmul (x), [[0.08]]), + 0.7
,,,#,x =, tf.constant ([[1.0], [2.0], [3.0]])
,,,#,y_true =, tf.constant ([[0.78], [0.86], [0.94]])
with 才能tf.variable_scope (“create_model"):
,,#,2。构造函数
,,,#,定义模型变量参数
,,,weights =, tf.Variable (initial_value=https://www.yisu.com/zixun/tf.random_normal(=[1],形状名称=叭ㄖ亍?)
偏见=tf.Variable (initial_value=特遣部队。random_normal(形状=[1],name="偏见"))
y_predit=特遣部队。matmul (x,权重)+偏见
与tf.variable_scope (“loss_function”):
# 3。构造损失函数
错误=tf.reduce_mean (tf。平方(y_predit - y_true))
与tf.variable_scope(“优化”):
# 4。优化损失
优化器=tf.train.GradientDescentOptimizer (learning_rate=0.01) .minimize(错误)
#收集变量
tf.summary。标量(“错误”,错误)
tf.summary。直方图(“权重”,重量)
tf.summary。直方图(“偏见”,偏见)
#合并变量
合并=tf.summary.merge_all ()
#创建储蓄者对象
储蓄者=tf.train.Saver ()
#显式的初始化变量
init=tf.global_variables_initializer ()
#开启会话
与tf.Session税():
#初始化变量
sess.run (init)
#创建事件文件
file_writer=tf.summary。FileWriter (“E:/tmp/线性图=sess.graph)
#打印(x.eval ())
#打印(y_true.eval ())
#查看初始化变量模型参数之后的值
打印(“训练前模型参数为:权重% f,偏置% f % (weights.eval (), bias.eval ()))
#开始训练
因为我在范围(1000):
sess.run(优化)
打印(“第% d次参数为:权重% f,偏置% f,损失% f % (i + 1, weights.eval (), bias.eval (), error.eval ()))
#运行合并变量操作
摘要=sess.run(合并)
#将每次迭代后的变量写入事件
file_writer。add_summary(总结,我)
#保存模型
如果我==999:
储蓄者。保存(税,“/tmp/模型/my_linear.ckpt。”)
# #加载模型
#如果os.path.exists (“/tmp/模型/检查站。”):
#储蓄者。恢复(税“。/tmp/模型/my_linear.ckpt”)
打印(“参数为:权重% f,偏置% f,损失% f % (weights.eval (), bias.eval (), error.eval ()))
pre=[[0.5]]
预测=特遣部队。matmul (pre、重量)+偏见
sess.run(预测)
print (prediction.eval ())
回来没有
if __name__==癬_main__”:
linear_regression ()
如何在python项目中实现一个线性回归功能?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
看完上述内容,你们掌握如何在python项目中实现一个线性回归功能的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注行业资讯频道,感谢各位的阅读!
