用tensorflow实现d性网络回归算法

概述本文实例为大家分享了tensorflow实现d性网络回归算法，供大家参考，具体内容如下

本文实例为大家分享了tensorflow实现d性网络回归算法，供大家参考，具体内容如下

python代码：

#用tensorflow实现d性网络算法(多变量) #使用鸢尾花数据集，后三个特征作为特征，用来预测第一个特征。   #1 导入必要的编程库，创建计算图，加载数据集 import matplotlib.pyplot as plt import tensorflow as tf import numpy as np from sklearn import datasets from tensorflow.python.framework import ops  ops.get_default_graph() sess = tf.Session() iris = datasets.load_iris()  x_vals = np.array([[x[1],x[2],x[3]] for x in iris.data]) y_vals = np.array([y[0] for y in iris.data])   #2 声明学习率，批量大小，占位符和模型变量,模型输出 learning_rate = 0.001 batch_size = 50 x_data = tf.placeholder(shape=[None,3],dtype=tf.float32) #占位符大小为3 y_target = tf.placeholder(shape=[None,1],dtype=tf.float32) A = tf.Variable(tf.random_normal(shape=[3,1])) b = tf.Variable(tf.random_normal(shape=[1,1])) model_output = tf.add(tf.matmul(x_data,A),b)   #3 对于d性网络回归算法，损失函数包括L1正则和L2正则 elastic_param1 = tf.constant(1.) elastic_param2 = tf.constant(1.) l1_a_loss = tf.reduce_mean(abs(A)) l2_a_loss = tf.reduce_mean(tf.square(A)) e1_term = tf.multiply(elastic_param1,l1_a_loss) e2_term = tf.multiply(elastic_param2,l2_a_loss) loss = tf.expand_dims(tf.add(tf.add(tf.reduce_mean(tf.square(y_target - model_output)),e1_term),e2_term),0)    #4 初始化变量， 声明优化器， 然后遍历迭代运行， 训练拟合得到参数 init = tf.global_variables_initializer() sess.run(init) my_opt = tf.train.GradIEntDescentoptimizer(learning_rate) train_step = my_opt.minimize(loss)  loss_vec = [] for i in range(1000):    rand_index = np.random.choice(len(x_vals),size=batch_size)    rand_x = x_vals[rand_index]    rand_y = np.transpose([y_vals[rand_index]])    sess.run(train_step,Feed_dict={x_data:rand_x,y_target:rand_y})    temp_loss = sess.run(loss,y_target:rand_y})    loss_vec.append(temp_loss)    if (i+1)%250 == 0:      print('Step#' + str(i+1) +'A = ' + str(sess.run(A)) + 'b=' + str(sess.run(b)))      print('Loss= ' +str(temp_loss))        #现在能观察到， 随着训练迭代后损失函数已收敛。 plt.plot(loss_vec,'k--') plt.Title('Loss per Generation') plt.xlabel('Generation') plt.ylabel('Loss') plt.show() 

本文参考书《Tensorflow机器学习实战指南》

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。

总结

以上是内存溢出为你收集整理的用tensorflow实现d性网络回归算法全部内容，希望文章能够帮你解决用tensorflow实现d性网络回归算法所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。