黑马程序员技术交流社区

标题: 【上海校区】深度学习入门笔记之（四）——基于 tensorflow... [打印本页]

作者: 不二晨 时间: 2018-8-6 09:27
标题: 【上海校区】深度学习入门笔记之（四）——基于 tensorflow...
1.直线的拟合
比如我们现在要用 y = k * x + b (其中 k ,b为参数)通过多次的训练来拟合直线 y = 5 * x + 1 。
根据上述 3 个步骤，首先构造线性模型 y = k * x + b ，我们目的就是通过训练，使得参数 k ，b 去逼近真实值 5 ，1 。之后定义损失函数，这里我们用的是二次代价函数；选用梯度下降法进行优化。最后在会话（tf.Session）中进行反复的优化。具体代码和注释如下：

运行结果如下，经过 100 轮的训练优化，参数的训练值已经很逼近真实值了。

2.线性回归
回归问题和分类问题不太一样，分类是得到结果为 label ，表示类别，比如二分类问题等，是离散的，有限个类别。回归则是连续的，具体看下面例子。
本例中，我们用 y = x*x +noise 随机生成200个散点，用神经网络训练，拟合出较为理想的回归结果。
同上述 3 个步骤，第一步是定义网络结构和基本信息，这部分代码造了一个 10 个节点的中间层，之后直接连接一个节点的输出。输入散点则是利用 numpy 在区间（-0.5，0.5）间生成 200 个散点，并在输出中添加了 noise 信息。具体如下。

这里选用的代价函数为二次代价函数，优化算法也是梯度下降法。之后执行对应的训练，并将结果以绘图形式输出。代码如下：

运行该代码，得到的结果如下。

本篇两个案例都比较简单，主要目的在于用两个简单实例熟悉神将网络训练的基本步骤。

链接：https://juejin.im/post/5b6173fee51d45346755276c

作者: 不二晨 时间: 2018-8-9 17:39
奈斯

作者: pysl 时间: 2018-8-11 14:32
学习，谢谢分享

欢迎光临黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2