tensorflow实现二维平面模拟三维数据教程

我就废话不多说了，直接上代码吧！

#!/bin/bash
# -*-coding=utf-8-*-
import re
import os
import sys
import numpy as np
import tensorflow as tf

'''
  程序生成了一些三维数据, 然后用一个平面拟合它.
'''
if __name__ == '__main__':

  x_data = np.float32(np.random.rand(2, 100))
  y_data = np.dot([0.100, 0.200], x_data) + 0.300

  # 构造一个线性模型
  #
  b = tf.Variable(tf.zeros([1]))
  W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
  y = tf.matmul(W, x_data) + b

  # 最小化方差
  loss = tf.reduce_mean(tf.square(y - y_data))
  optimizer = tf.train.GradientDescentOptimizer(0.5)
  train = optimizer.minimize(loss)

  # 初始化变量
  init = tf.initialize_all_variables()

  # 启动图 (graph)
  with tf.Session() as sess:
    sess.run(init)
    # 拟合平面
    for step in range(0, 201):
      sess.run(train)
      if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))
  pass

运行结果：

0 [[-0.17184146 0.86964405]] [ 0.1381081]
20 [[ 0.08097319 0.36775881]] [ 0.21781394]
40 [[ 0.10813832 0.2485593 ]] [ 0.26939642]
60 [[ 0.10546865 0.2152364 ]] [ 0.28894189]
80 [[ 0.10238092 0.20503291]] [ 0.29606038]
100 [[ 0.10091752 0.20171218]] [ 0.29860607]
120 [[ 0.10033666 0.20059179]] [ 0.29950845]
140 [[ 0.10012084 0.20020625]] [ 0.29982695]
160 [[ 0.10004292 0.20007218]] [ 0.29993913]
180 [[ 0.10001516 0.20002531]] [ 0.29997858]
200 [[ 0.10000535 0.2000089 ]] [ 0.29999247]

最佳拟合结果 W: [[0.100 0.200]], b: [0.300]

以上这篇tensorflow实现二维平面模拟三维数据教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。