-
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.optimizers import SGD
from keras.layers import Dense
x_data = np.random.rand(100)
noise = np.random.normal(0,0.01,x_data.shape)
y_data = 0.1*x_data + 0.2 + noise
plt.scatter(x_data,y_data)
plt.show()
model = Sequential()
model.add(Dense(1,input_shape=(1,)))
model.compile(optimizer=SGD(),loss="MSE")
for step in range(5001):
cost=model.train_on_batch(x_data,y_data)
if step % 500 ==0:
print("step:",step,"cost:",cost)
W,b = model.layers[0].get_weights()
print("W:",W,"b:",b)
y_pred = model.predict(x_data)
plt.scatter(x_data,y_data)
plt.plot(x_data,y_pred,'r-',lw=3)
plt.show()
查看全部 -
神经网络框架
查看全部 -
1、前向传播
2、反向传播
3、链式求导
查看全部 -
1111查看全部
-
哈哈哈查看全部
-
Keras的特点
查看全部 -
深度神经网络
查看全部 -
q查看全部
-
q查看全部
-
qlmarj查看全部
-
激活函数是为了适应非线性的输出
查看全部 -
Keras的特点
查看全部 -
人工智能，机器学习，深度学习之间的关系
查看全部 -
谷歌工程师查看全部
-
血淋淋了查看全部
举报