我就废话不多说了,直接上代码吧!
# !/bin/bash # - *编码utf - 8=- * - 进口再保险 进口操作系统 导入系统 进口numpy np 进口tensorflow特遣部队 ''' 程序生成了一些三维数据,然后用一个平面拟合它。 ''' if __name__==癬_main__”: x_data=https://www.yisu.com/zixun/np.float32 (np.random.rand (100)) y_data=np.dot ([0.100, 0.200], x_data) + 0.300 #构造一个线性模型 # b=tf.Variable (tf.zeros ([1])) W=tf.Variable (tf。random_uniform ([1,2], -1.0, 1.0)) y=特遣部队。matmul (W, x_data) + b #最小化方差 损失=tf.reduce_mean (tf。平方(y - y_data)) 优化器=tf.train.GradientDescentOptimizer (0.5) 火车=optimizer.minimize(亏损) #初始化变量 init=tf.initialize_all_variables () #启动图(图) 与tf.Session税(): sess.run (init) #拟合平面 一步的范围(0,201): sess.run(火车) 如果步骤% 20==0: 打印(步骤,sess.run (W), sess.run (b)) 通过
运行结果:
0 [[-0.17184146 - 0.86964405]][0.1381081] 20 [[0.08097319 - 0.36775881]][0.21781394] 40 [[0.10813832 - 0.2485593]][0.26939642] 60 [[0.10546865 - 0.2152364]][0.28894189] 80年[[0.10238092 - 0.20503291]][0.29606038] 100年[[0.10091752 - 0.20171218]][0.29860607] 120年[[0.10033666 - 0.20059179]][0.29950845] 140年[[0.10012084 - 0.20020625]][0.29982695] 160年[[0.10004292 - 0.20007218]][0.29993913] 180年[[0.10001516 - 0.20002531]][0.29997858] 200年[[0.10000535 - 0.2000089]][0.29999247]
最佳拟合结果W: [[0.100 - 0.200]] b: [0.300]
以上这篇tensorflow实现二维平面模拟三维数据教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。