tensorflow regression 예제

먼저 필요한 라이브러리를 가져옵니다. 계산에는 텐서플로우와 함께 Numpy를 사용하고 플롯에는 Matplotlib을 사용합니다. 이 run() 함수에서는 generate_dataset() 및 linear_regression()을 호출하여 x_batch, y_batch, x, y, y, y_pred 및 손실을 가져옵니다. 위로 스크롤하여 이 두 함수에 대한 설명을 확인합니다. 예측하려는 대상 변수가 연속적일 때 학습 문제를 회귀 문제라고 합니다. y가 소수의 불연속 값만 사용하면 분류 문제라고 합니다. 자리 표시자는 프로그램에 데이터를 저장하는 데 특히 유용합니다. 프로그램의 다른 실행에서 우리는 교육 데이터의 다른 세트를 공급 할 수 있습니다. 또한 교차 유효성 검사를 구현하는 데 유용할 수도 있습니다. 그러나 간단한 예제에서는 단일 교육 집합으로 작업하므로 자리 표시자를 사용하지 않습니다. 이제 가중치와 바이어스에 대해 두 개의 학습 가능한 텐서플로우 변수를 선언하고 np.random.randn()를 사용하여 무작위로 초기화합니다. 학습 세트를 초기화한 후, 반복적으로 학습 세트를 실행하고, 트레이닝 예제를 접할 때마다, 우리는 그 단일 트레이닝 예제에 대해서만 에러의 그라데이션에 따라 가중치를 업데이트합니다. 다음 코드를 사용하면 TensorFlow 라이브러리를 사용하여 주어진 데이터에 가장 적합한 라인을 만들 수 있습니다: 추정기를 사용하여 텐서플로우 모델을 만드는 것은 매우 간단하고 쉽습니다.

이제 자리 표시자 X와 Y를 정의하여 모델을 만들기 시작하여 교육 예제 X와 Y를 교육 프로세스 중에 최적화 프로그램에 공급할 수 있습니다. 텐서플로우를 사용하여 구현하기 전에 선형 회귀를 간략하게 요약합니다. 선형 회귀 또는 텐서플로우의 세부 정보는 자세히 설명하지 않으므로 다음 문서를 참조하여 텐서플로우 추정기-하위 수준 텐서플로우 코어 작업에 대한 높은 수준의 추상화를 제공합니다. 전체 모델의 TensorFlow의 높은 수준의 표현인 추정기 인스턴스와 함께 작동합니다. 위의 선형 회귀 방정식을 살펴보면 여러 반복을 통해 경사(W) 및 바이어스(b)의 그라데이션을 학습하는 그래프를 생성합니다.

This entry was posted in Uncategorized. Bookmark the permalink.

Comments are closed.