美文网首页
TensotFlow 应用实例:06-使用matplotlib可

TensotFlow 应用实例:06-使用matplotlib可

作者: iccccing | 来源:发表于2017-06-27 20:07 被阅读0次

    TensotFlow 应用实例:06-使用matplotlib可视化训练过程

    本文是我在学习TensotFlow 的时候所记录的笔记,共享出来希望能够帮助一些需要的人。

    import tensorflow as tf
    import numpy as np
    import matplotlib.pyplot as plt
    
    
    # 添加神经层
    def add_layer(inputs, in_size, out_size, activation_function=None):
        # Weights define
        # 权重,尽量要是一个随机变量
        # 随机变量在生成初始变量的时候比全部为零效果要好的很多
        Weights = tf.Variable(tf.random_normal([in_size, out_size]))
        # biases define
        # 偏值项,是一个列表,不是矩阵,默认设置为0 + 0.1
        biases = tf.Variable(tf.zeros([1, out_size]) + 0.1)
        # W * x + b
        Wx_plus_b = tf.matmul(inputs, Weights) + biases
        # 如果activation_function是空的时候就表示是一个线性关系直接放回即可
        if activation_function is None:
            outputs = Wx_plus_b
        else:
            outputs = activation_function(Wx_plus_b)
        return outputs
    
    
    
    
    # x_data 从-1到1的区间有300个单位
    # [:, np.newaxis] 加上一个维度,有300行,有300个例子
    x_data = np.linspace(-1, 1, 300)[:, np.newaxis]
    # noise
    # 加上一个noise使得更像真实的数据
    noise = np.random.normal(0, 0.05, x_data.shape)
    # y_data = x_data^2 -0.5
    y_data = np.square(x_data) - 0.5 + noise
    
    # define xs ys
    # placeholder
    # 这里的None表示无论输入多少个sample都可以
    # 是一个多行单列的矩阵,或者说是一个列表
    xs = tf.placeholder(tf.float32, [None, 1])
    ys = tf.placeholder(tf.float32, [None, 1])
    
    
    # 定义隐藏层 define hidden layer
    l1 = add_layer(xs, 1, 10, activation_function=tf.nn.relu)
    
    # 定义输出层 define output layer
    # prediction layer
    prediction = add_layer(l1, 10, 1, activation_function=None)
    
    # loss function
    # 损失函数 axis is new reduction_indices
    loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),
                                        axis=[1]))
    
    # 进行训练
    # 设置学习速率为0.1 通常设置为小于1的数字
    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
    
    # 对所有的变量进行初始化
    # this a very important step
    # 如果不进行初始化后续将无法运行
    # initialize_all_variables  deprecated("2017-03-02", "Use `tf.global_variables_initializer` instead.")
    init = tf.global_variables_initializer()
    
    sess = tf.Session()
    sess.run(init)
    
    # 生成一个图片框
    fig = plt.figure()
    # 1, 1, 1 表示一行一列 第一个
    ax = fig.add_subplot(1, 1, 1)
    ax.scatter(x_data, y_data)
    # show 的时候把程序暂停看了
    # 新版可以使用plt.ion()的方式来继续划线
    # 旧版本中 使用plt.show(block=False)
    plt.ion()
    plt.show()
    #
    for i in range(2000):
        # train_step 训练
        # 其中的feed_dict is input data
        sess.run(train_step, feed_dict={xs: x_data, ys: y_data})
        if i % 50 is 0:
            # run loss, 只要是使用了placeholder的地方都要使用feed_dict传入
            # print(sess.run(loss, feed_dict={xs: x_data, ys: y_data}))
    
            try:
                # remove line
                ax.lines.remove(lines[0])
            except Exception:
                pass
    
            prediction_value = sess.run(prediction, feed_dict={xs: x_data, ys: y_data})
            # x, y, 红线, 线宽=5
            lines = ax.plot(x_data, prediction_value, 'r-', lw=5)
    
            # 暂停0.1秒
            plt.pause(0.1)
    
    
    
    
    

    本文代码GitHub地址 tensorflow_learning_notes

    相关文章

      网友评论

          本文标题:TensotFlow 应用实例:06-使用matplotlib可

          本文链接:https://www.haomeiwen.com/subject/otzecxtx.html