import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow import keras
from tensorflow.keras import layers, optimizers, datasets
#生成數據
data = []
for i in range(100):
x = np.random.uniform(-10, 10)
eps = np.random.normal(0, 0.01) * 50
y = 1.5 * x + 1.1 + eps
data.append([x, y])
data = np.array(data)
input_x = data[:, 0]
input_y = data[:, 1]
print(input_x)
print(input_y)
plt.scatter(input_x, input_y)
plt.show()
#創建模型
model = keras.Sequential([
layers.Dense(1, input_dim=1) # 所完成的事情就是y=ax+b
])
model.summary()
#編譯模型
model.compile(optimizers='adam',
loss='mse'
)
#訓練模型
model.fit(input_x, input_y, epochs=1000)
#獲取訓練模型的參數
weights = np.array(model.get_weights())
print(weights)
#進行結果的對比
plt.scatter(input_x, input_y)
plt.plot(input_x, model.predict(input_x), c='r') #model.predict是用訓練好的模型進行預測
plt.show()
訓練的參數結果如下:
w=[1.5058561563491821]
b=[1.054931879043579]
數據分佈如下: