神剑山庄资源网 Design By www.hcban.com
#!/usr/bin/env python # -*- coding: utf-8 -*- # @File : 自实现一个线性回归.py # @Author: 赵路仓 # @Date : 2020/4/12 # @Desc : # @Contact : 398333404@qq.com import os import tensorflow as tf def linear_regression(): """ 自实现一个线性回归 :return: """ # 命名空间 with tf.variable_scope("prepared_data"): # 准备数据 x = tf.random_normal(shape=[100, 1], name="Feature") y_true = tf.matmul(x, [[0.08]]) + 0.7 # x = tf.constant([[1.0], [2.0], [3.0]]) # y_true = tf.constant([[0.78], [0.86], [0.94]]) with tf.variable_scope("create_model"): # 2.构造函数 # 定义模型变量参数 weights = tf.Variable(initial_value=tf.random_normal(shape=[1, 1], name="Weights")) bias = tf.Variable(initial_value=tf.random_normal(shape=[1, 1], name="Bias")) y_predit = tf.matmul(x, weights) + bias with tf.variable_scope("loss_function"): # 3.构造损失函数 error = tf.reduce_mean(tf.square(y_predit - y_true)) with tf.variable_scope("optimizer"): # 4.优化损失 optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(error) # 收集变量 tf.summary.scalar("error", error) tf.summary.histogram("weights", weights) tf.summary.histogram("bias", bias) # 合并变量 merged = tf.summary.merge_all() # 创建saver对象 saver = tf.train.Saver() # 显式的初始化变量 init = tf.global_variables_initializer() # 开启会话 with tf.Session() as sess: # 初始化变量 sess.run(init) # 创建事件文件 file_writer = tf.summary.FileWriter("E:/tmp/linear", graph=sess.graph) # print(x.eval()) # print(y_true.eval()) # 查看初始化变量模型参数之后的值 print("训练前模型参数为:权重%f,偏置%f" % (weights.eval(), bias.eval())) # 开始训练 for i in range(1000): sess.run(optimizer) print("第%d次参数为:权重%f,偏置%f,损失%f" % (i + 1, weights.eval(), bias.eval(), error.eval())) # 运行合并变量操作 summary = sess.run(merged) # 将每次迭代后的变量写入事件 file_writer.add_summary(summary, i) # 保存模型 if i == 999: saver.save(sess, "./tmp/model/my_linear.ckpt") # # 加载模型 # if os.path.exists("./tmp/model/checkpoint"): # saver.restore(sess, "./tmp/model/my_linear.ckpt") print("参数为:权重%f,偏置%f,损失%f" % (weights.eval(), bias.eval(), error.eval())) pre = [[0.5]] prediction = tf.matmul(pre, weights) + bias sess.run(prediction) print(prediction.eval()) return None if __name__ == "__main__": linear_regression()
以上就是python 实现一个简单的线性回归案例的详细内容,更多关于python 实现线性回归的资料请关注其它相关文章!
神剑山庄资源网 Design By www.hcban.com
神剑山庄资源网
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
神剑山庄资源网 Design By www.hcban.com
暂无python 实现一个简单的线性回归案例的评论...
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新日志
2024年09月29日
2024年09月29日
- 孙悦.1996-伙伴【正大国际】【WAV+CUE】
- 纪钧瀚《钢琴阅读时光 雨中书店聆听轻音乐》[FLAC/分轨][399.62MB]
- 证声音乐图书馆《走向自然 疗心爵士乐》[320K/MP3][87.4MB]
- 证声音乐图书馆《走向自然 疗心爵士乐》[FLAC/分轨][184.94MB]
- 陈慧娴.2018-Priscilla-Ism演唱会3CD(2024环球红馆40复刻系列)【环球】【WAV+CUE】
- 郑秀文.1999-我应该得到(国)【华纳】【WAV+CUE】
- 陈家慧.2011-钢琴酒吧2CD【龙吟唱片】【WAV+CUE】
- 证声音乐图书馆《雨季 蓝调吉他 Rainy Blues》[320K/MP3][45.01MB]
- 证声音乐图书馆《雨季 蓝调吉他 Rainy Blues》[FLAC/分轨][109.13MB]
- 赞多《序章》[320K/MP3][45.54MB]
- 许巍.2004-每一刻都是崭新的【步升大风】【WAV+CUE】
- 群星.2024-四方馆影视原声带【韶愔音乐】【FLAC分轨】
- 陈雷.1997-安锁咧【金圆唱片】【WAV+CUE】
- 关淑怡.2013-MY.FAVORITE.SK.3CD【环球】【WAV+CUE】
- Sweety.2006-花言乔语【丰华】【WAV+CUE】