# Author Qian Chenglong import tensorflow as tf import numpy as np #生成100个随机数据点 x_date=np.random.rand(100) y_date=x_date*0.1+0.2 #构造一个线性模型 k=tf.Variable(0.) b=tf.Variable(0.) y=k*x_date+b # 二次代价函数 loss=tf.reduce_mean(tf.square(y-y_date))#最小二乘 my_optimizer=tf.train.GradientDescentOptimizer(0.2)#定义一个使用梯度下降算法的训练器 train=my_optimizer.minimize(loss)#训练目标loss最小 init=tf.global_variables_initializer()#初始化变量 with tf.Session() as sess: sess.run(init) for step in range(201): sess.run(train) if step%20==0: print(step, '[k,b]:', sess.run([k, b]))
使用Tensoflow实现梯度下降算法的一次线性拟合
猜你喜欢
转载自www.cnblogs.com/long5683/p/10045957.html
今日推荐
周排行