TensorFlow实现Logistic回归
作者:不凡De老五 发布时间:2023-11-27 18:49:14
标签:TensorFlow,Logistic回归
本文实例为大家分享了TensorFlow实现Logistic回归的具体代码,供大家参考,具体内容如下
1.导入模块
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
from matplotlib import pyplot as plt
%matplotlib inline
#导入tensorflow
import tensorflow as tf
#导入MNIST(手写数字数据集)
from tensorflow.examples.tutorials.mnist import input_data
2.获取训练数据和测试数据
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
mnist = input_data.read_data_sets('./TensorFlow',one_hot=True)
test = mnist.test
test_images = test.images
train = mnist.train
images = train.images
3.模拟线性方程
#创建占矩阵位符X,Y
X = tf.placeholder(tf.float32,shape=[None,784])
Y = tf.placeholder(tf.float32,shape=[None,10])
#随机生成斜率W和截距b
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
#根据模拟线性方程得出预测值
y_pre = tf.matmul(X,W)+b
#将预测值结果概率化
y_pre_r = tf.nn.softmax(y_pre)
4.构造损失函数
# -y*tf.log(y_pre_r) --->-Pi*log(Pi) 信息熵公式
cost = tf.reduce_mean(-tf.reduce_sum(Y*tf.log(y_pre_r),axis=1))
5.实现梯度下降,获取最小损失函数
#learning_rate:学习率,是进行训练时在最陡的梯度方向上所采取的「步」长;
learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
6.TensorFlow初始化,并进行训练
#定义相关参数
#训练循环次数
training_epochs = 25
#batch 一批,每次训练给算法10个数据
batch_size = 10
#每隔5次,打印输出运算的结果
display_step = 5
#预定义初始化
init = tf.global_variables_initializer()
#开始训练
with tf.Session() as sess:
#初始化
sess.run(init)
#循环训练次数
for epoch in range(training_epochs):
avg_cost = 0.
#总训练批次total_batch =训练总样本量/每批次样本数量
total_batch = int(train.num_examples/batch_size)
for i in range(total_batch):
#每次取出100个数据作为训练数据
batch_xs,batch_ys = mnist.train.next_batch(batch_size)
_, c = sess.run([optimizer,cost],feed_dict={X:batch_xs,Y:batch_ys})
avg_cost +=c/total_batch
if(epoch+1)%display_step == 0:
print(batch_xs.shape,batch_ys.shape)
print('epoch:','%04d'%(epoch+1),'cost=','{:.9f}'.format(avg_cost))
print('Optimization Finished!')
#7.评估效果
# Test model
correct_prediction = tf.equal(tf.argmax(y_pre_r,1),tf.argmax(Y,1))
# Calculate accuracy for 3000 examples
# tf.cast类型转换
accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
print("Accuracy:",accuracy.eval({X: mnist.test.images[:3000], Y: mnist.test.labels[:3000]}))
来源:https://blog.csdn.net/weixin_38748717/article/details/78859124
0
投稿
猜你喜欢
- 简单的仿图片验证码,适合新手简单的仿图片验证码演示,很容易被破解,实用性不大,但拿出来给新手学习一下还是不错的:JScript.Asp代码示
- 一、环境要求windows系统,python3.6+安装模块pip install pyqt5pip install pygame二、游戏介
- 首先,Python 完整的异常处理语法结构如下:try: #业务实现代码except Exception1 as e: &nbs
- 有一台windows服务器上跑着mysql的一些应用,现在需要将mysql的数据每天备份,并通过ftp上传到指定的存储服务器上要是在linu
- 一、前言今天分享一个Python 制作透明背景的电子印章的代码,代码是通过网络获得并整理的,大家可以参考和学习。二、步骤解析代码我已调试过了
- Python 读取 .gz 文件读取.gz 文件需要使用gzip 包,如果没有安装可以自行在终端安装pip install gzipimpo
- 多版本并发控制Multiversion Concurrency Control大部分的MySQL的存储 引擎,比如InnoDB,Falcon
- 前言标准的 Bloom Filter 是一种比较简单的数据结构,只支持插入和查找两种操作。在所要表达的集合是静态集合的时候,标准 Bloom
- 1.打开apache的httpd.conf文件,找到# Virtual hosts#Include conf/extra/httpd-vho
- 前言matplotlib 是Python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图。本文将以例子
- 利用python3来实现TCP协议,和UDP类似。UDP应用于及时通信,而TCP协议用来传送文件、命令等操作,因为这些数据不允许丢失,否则会
- 一个协程里可以启动另外一个协程,并等待它完成返回结果,采用await关键字,例子如下:import asyncioasync def out
- turtle.pencolor(* args )返回或设置pencolor。允许四种输入格式:pencolor()将当前的pencolor返
- 尝试安装server[justin@xen20-vm04 "]$ rpm -ivh MySQL-server-5.1.51-1.g
- python如何处理“&#”开头加数字的html字符,比如:风水这类数据。用python
- 在python中利用numpy array进行数据处理,经常需要找出符合某些要求的数据位置,有时候还需要对这些位置重新赋值。这里总结了几种找
- 1. 引言今天来给小伙伴推荐两款实用的便于调试Python代码的工具,可以方便展示我们调试代码的中间状态,提升大家的编码效率。2. 动机在日
- 本文实例为大家分享了Python OpenCV图像直方图和反向投影的具体代码,供大家参考,具体内容如下当我们想比较两张图片相似度的时候,可以
- 到了今天,数据库已经成了网站的灵魂,可以说,没有对数据进行集中管理就算不上是一个真正的网站。而ASP加数据库,更成了主流中的主流,网站里的用
- 本文实例为大家分享了python实现转圈打印矩阵的具体代码,供大家参考,具体内容如下#! conding:utf-8__author__ =