深度学习Tensorflow非线性回归案列

川长思鸟来 2022-01-21 02:51 297阅读 0赞

import tensorflow as tf
    import numpy as np
    import matplotlib.pyplot as plt  #创建自定义图像
    #使用numpy生成200个随机点
    x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]
    noise = np.random.normal(0,0.02,x_data.shape)
    y_data = np.square(x_data) + noise #这是一个抛物线函数
    
    #定义两个placeholder
    x = tf.placeholder(tf.float32,[None,1]) #定义多行1列的值x
    y = tf.placeholder(tf.float32,[None,1]) #定义多行1列的值y
    
    #定义神经网络中间层
    Weights_L1 = tf.Variable(tf.random_normal([1,10])) #创建1行10列的平均值为0，标准差为1，的正态分布随机数组Weights_L1
    biases_L1 = tf.Variable(tf.zeros([1,10]))          #创建1行10列的全0数组biases_L1
    Wx_plus_b_L1 = tf.matmul(x,Weights_L1) + biases_L1 #Wx_plus_b_L1 为相乘后的矩阵
    L1 = tf.nn.tanh(Wx_plus_b_L1)                      #双曲正切曲线
    
    #定义神经网络输出层
    Weights_L2 = tf.Variable(tf.random_normal([10,1])) #创建10行1列的平均值为0，标准差为1，的正态分布随机数组Weights_L2
    biases_L2 = tf.Variable(tf.zeros([1,1]))           #创建1行1列的全0数组biases_L1
    Wx_plus_b_L2 = tf.matmul(L1,Weights_L2) + biases_L2
    prediction = tf.nn.tanh(Wx_plus_b_L2)
    
    #二次代价函数
    loss = tf.reduce_mean(tf.square(y-prediction))     #计算平均值loss
    #使用梯度下降法训练
    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
    
    with tf.Session() as sess:
        #变量初始化
        sess.run(tf.global_variables_initializer())
        for i in range(2000):
            sess.run(train_step,feed_dict={x:x_data,y:y_data}) #给train_step赋值并运行
    
        #获得预测值
        prediction_value = sess.run(prediction,feed_dict={x:x_data})
        #画图
        plt.figure()  #设置图像的属性
        plt.scatter(x_data,y_data) #以x_data为横坐标, y_data为纵坐标 画散点图 ,scatter:散点
        plt.plot(x_data,prediction_value,'b-',lw=5)#以x_data 为横轴, prediction_value 为纵轴，以颜色为蓝色，线条宽度为5的直线画出这个线条图形
        plt.show()   #展示图形

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzYzOTI5_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzYzOTI5_size_16_color_FFFFFF_t_70]: /images/20220121/df30845b013c47d99d65e20b8f9277c6.png