本文讲解github上,tensorflow线性回归例子中的相关接口的用法1Tensorflow学习(一)——常量1Tensorflow学习(二)——占位符0Tensorflow学习(三)——变量
工具/原料
tensorflow 1.4
定义训练数据
1
定义数组numpy.asarray(a, dtype=None, order=None)转换输入a为一个数组参数:a:输入数据,可以是列表、元组的列表、元组、元组的元组等dtype:数据类型,默认从数据数据来判断order:以行或者列为主在内存中存储。暂时还不清除该参数的使用
2
示例将元组转换成数组
3
训练数据,定义数组X和数组Y
打包训练数据
1
打包函数定义zip(iter1[,iter2[...]])取出所有可迭代对象中的第i项值,组成一个个元组,然后返回这些元组的列表。如果所有迭代器元素个数不一致,以最短的对象为准参数为可迭代的对象组返回:打包对象
2
示例这里举了两个打包函数的例子,对比输出信息还是比较好理解
3
打包训练数据,下图中代码是将,训练数组X和数组Y打包成元组列表,然后针对每一个元组,填充到run函数的参数中
matplotlib安装
1
使用conda install matplotlib命令来安装matplotlib库
2
安装成功后,使用pip list可以查看已经安装的库
matplotlib绘图
1
plot()函数,画函数图像legend函数用于显示图例plt.plot([1,3,5,7],[2,4,7,3]) 分别对应对应(1,2)、(3,4)、(5,7)、(7,3)四个坐标,使用默认线型和颜色plt.plot([1,2,3,4],[1,3,5,7], 'ro') 其中的'ro'表示红色的圆圈
2
显示效果如下
3
查看线型和颜色可设置的值,可以通过help(plot)帮助得到
上一篇:eviews逐步回归法步骤