tensorflow实现二维平面模拟三维数据教程 - 行业资讯 - 肥雀云

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。