tensorflow
PythonでTensorFlowの単純な線形回帰構造

前書き

パラメーター

備考

with tf.name_scope("") as scope:

import numpy as np
import tensorflow as tf

単純回帰関数コード構造

関数定義：

def run_training(train_X, train_Y):

入力変数：

X = tf.placeholder(tf.float32, [m, n])
Y = tf.placeholder(tf.float32, [m, 1])

重量とバイアス表現

W = tf.Variable(tf.zeros([n, 1], dtype=np.float32), name="weight")
b = tf.Variable(tf.zeros([1], dtype=np.float32), name="bias")

線形モデル：

with tf.name_scope("linear_Wx_b") as scope:
    activation = tf.add(tf.matmul(X, W), b)

コスト：

with tf.name_scope("cost") as scope:
    cost = tf.reduce_sum(tf.square(activation - Y)) / (2 * m)
    tf.summary.scalar("cost", cost)

トレーニング：

with tf.name_scope("train") as scope:
    optimizer = tf.train.GradientDescentOptimizer(0.07).minimize(cost)

TensorFlowセッション：

with tf.Session() as sess:
    merged = tf.summary.merge_all()
    writer = tf.summary.FileWriter(log_file, sess.graph)

注： マージされたライターは、モデルの動作を追跡するTensorBoard戦略の一部です。

    init = tf.global_variables_initializer()
    sess.run(init)

トレーニングループの1.5k倍を繰り返す：

    for step in range(1500):
       result, _ = sess.run([merged, optimizer], feed_dict={X: np.asarray(train_X), Y: np.asarray(train_Y)})
       writer.add_summary(result, step)

プリントトレーニング費用：

    training_cost = sess.run(cost, feed_dict={X: np.asarray(train_X), Y: np.asarray(train_Y)})
    print "Training Cost: ", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n'

訓練を受けたモデルに基づく具体的な予測：

    print "Prediction for 3.5 years"
    predict_X = np.array([3.5], dtype=np.float32).reshape([1, 1])

    predict_X = (predict_X - mean) / std
    predict_Y = tf.add(tf.matmul(predict_X, W), b)
    print "Child height(Y) =", sess.run(predict_Y)

メインルーチン

def main():
    train_X, train_Y = read_data()
    train_X = feature_normalize(train_X)
    run_training(train_X, train_Y)

注：レビュー機能の依存関係を覚えておいてください。 read_data 、 feature_normalizeおよびrun_training

正規化ルーチン

def feature_normalize(train_X):
    global mean, std
    mean = np.mean(train_X, axis=0)
    std = np.std(train_X, axis=0)

    return np.nan_to_num((train_X - mean) / std)

データ読み込みルーチン

def read_data():
    global m, n

    m = 50
    n = 1

    train_X = np.array(

配列の内部データ

    ).astype('float32')

    train_Y = np.array(

配列の内部データ

    ).astype('float32')

    return train_X, train_Y