正文

机器学习-tensorflow安装与测试

脑机接口社区  脑机接口社区  2022-08-17  188

关键词：

安装、
# Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp27-none-linux_x86_64.whl

# Python 2
$ sudo pip install --upgrade $TF_BINARY_URL

# Python 3
$ sudo pip3 install --upgrade $TF_BINARY_URL

测试一、

$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

测试二、

import tensorflow as tf
import numpy
import matplotlib.pyplot as plt
rng = numpy.random

learning_rate = 0.01
training_epochs = 1000
display_step = 50
#数据集x
train_X = numpy.asarray([3.3,4.4,5.5,7.997,5.654,.71,6.93,4.168,9.779,6.182,7.59,2.167,
                         7.042,10.791,5.313,9.27,3.1])
#数据集y
train_Y = numpy.asarray([1.7,2.76,3.366,2.596,2.53,1.221,1.694,1.573,3.465,1.65,2.09,
                         2.827,3.19,2.904,2.42,2.94,1.3])
n_samples = train_X.shape[0]
X = tf.placeholder("float")
Y = tf.placeholder("float")

W = tf.Variable(rng.randn(), name="weight")
b = tf.Variable(rng.randn(), name="bias")

pred = tf.add(tf.mul(X, W), b)

cost = tf.reduce_sum(tf.pow(pred-Y, 2))/(2*n_samples)

optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)

init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)

    # 训练数据
    for epoch in range(training_epochs):
        for (x, y) in zip(train_X, train_Y):
            sess.run(optimizer, feed_dict={X: x, Y: y})

    print "优化完成!"
    training_cost = sess.run(cost, feed_dict={X: train_X, Y: train_Y})
    print "Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n'

    #可视化显示
    plt.plot(train_X, train_Y, 'ro', label='Original data')
    plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fitted line')
    plt.legend()
    plt.show()

测试二效果：

更多技术干货请关注：

机器学习与tensorflow——机器学习基本概念tensorflow实现简单线性回归(代码片段)

一、机器学习基本概念1.训练集和测试集训练集(trainingset/data)/训练样例（trainingexamples):用来进行训练，也就是产生模型或者算法的数据集测试集(testingset/data)/测试样例(testingexamples)：用来专门进行测试已经学习好的模型或者算法... 查看详情

机器学习-tensorflow2.0安装简易教程

1.打开AnacondaPrompt2.pipinstalltensorflow==2.0-ihttps://pypi.douban.com/simple过程出现选择,选y，最后等待完成安装。3.测试 4.在pycharm中找到上面路径的anaconda3下的python.exe，完成设置。查看详情

win10下机器学习tensorflow搭建

...者：THSSwzw的博客windows深度学习入门（1）在windows10上安装TensorFlow标签：windowscud 查看详情

将 tensorflow 与 nodejs 库一起用于机器学习模型

】将tensorflow与nodejs库一起用于机器学习模型【英文标题】：Usingtensorflowwithnodejslibraryformachinelearningmodels【发布时间】：2020-03-0514:07:22【问题描述】：我已阅读到不同的库可用于Tensorflow。（在Python、C++、javascript中）。“Tensorflow.js... 查看详情

快速上手深度学习掌握tensorflow模型构建与开发

第1章课程介绍介绍机器学习的背景，介绍tensorflow的背景，介绍课程python，numpy，virtualenv等前置学习内容，安装tensorflow1-1导学1-2课程安排1-3深度学习背景1-4tensorflow优势1-5开发环境1-6virtualenv简介1-7python常用操作1-8numpy常用操作011-9... 查看详情

sklearn与tensorflow机器学习实用指南（补档）(代码片段)

...PDF格式EPUB格式MOBI格式英文仓库中文仓库目录结构Sklearn与TensorFlow机器学习实用指南零、前言一、机器学习概览二、一个完整的机器学习项目三、分类四、训练模型五、支持向量机查看详情

sklearn与tensorflow机器学习实用指南第二版

...ras搭建人工神经网络十一、训练深度神经网络十二、使用TensorFlow自定义模型并训练十三、使用TensorFlow加载和预处理数据十四、使用卷积神经网络实现深度计算机视觉十五、使用RNN和CNN处理序列十六、使用RNN和注意力机制进行自... 查看详情

机器学习与目标检测作业：安装pytorch(代码片段)

机器学习与目标检测作业：安装pytorch一、进入官网复制下载命令二、下载的过程2.1conda命令运行三、测试pytorch是否安装成功安装pytorch教程一、进入官网复制下载命令进入官网复制下载命令如下图所示二、下载的过程下载的... 查看详情

01_机器学习简介

...、传统预测。机器学习库和框架：sklearn。深度学习框架:tensorflow。有了基础之后，学习书籍推荐：机器学习(周志华）、Python数据分析与挖掘实战、机器学习系统设计、面向机器智能TensorFlow实践、TensorFlow技术解析与实战。（不建... 查看详情

深度学习及机器学习框架对比摘要

对比深度学习十大框架：TensorFlow并非最好？TensorFlow与主流深度学习框架对比五大主流深度学习框架对比：MXNET是最好选择主流开源深度学习框架对比分析主流深度学习框架对比深度学习框架的评估与比较几种机器学习框架的对... 查看详情

机器学习

tensorflow使用pythonpip3installnumpy 安装numpy包pip3installtensorflow安装tensorflow最新的机器学习排行榜查看详情

tensorflow与主流深度学习框架对比

...手，取得60连胜，未尝败绩。AlphaGo背后神秘的推动力就是TensorFlow——Google于2015年11月开源的机器学习及深度学习框架。 TensorFlow在2015年年底一出现就受到了极大的关注，在一个月内获得了GitHub上超过一万颗星的关注，目前在... 查看详情

基于docker的tensorflow机器学习框架搭建和实例源码解读

概述：基于Docker的TensorFlow机器学习框架搭建和实例源码解读，TensorFlow作为最火热的机器学习框架之一，Docker是的容器，可以很好的结合起来，为机器学习或者科研人员提供便捷的机器学习开发环境，探索人工智能的奥秘，容器... 查看详情

机器学习：机器学习的一个实例

大家都知道tensorflow（简称tf）是一个机器学习的框架，使用它就可以完成机器学习。那就用tf来演示一下怎么做机器学习吧，这样你就有一个具体的感受：原来是这样的啊！本文使用tensorflow做一次机器学习的演示。但是，tensorflo... 查看详情

windows环境下的tensorflow安装

...不久的将来。。今天兴致所致，准备尝试基于我大google的tensorflow搭建个学习环境，哪天说不定可以教会它玩游戏，亦或可以辅助在游戏开发中搭建一些有意思的关卡，先做积累跟培养兴趣吧。好了，废话不多说，进入正题。看... 查看详情

tensorflow&机器学习近况更新

发布人：TensorFlow&机器学习团队在近期举办的2022Google谷歌开发者大会上，TensorFlow&机器学习团队带来了有关我们不断发展的生态系统的更新。本文将与大家分享相关内容。Google谷歌开发者大会https://developersummit.googlec... 查看详情

tensorflow&机器学习近况更新

机器学习——tensorflow神经网络-7

文章目录Tensorflow与深度学习神经网络神经网络基础感知机感知机与逻辑回归的联系与区别演示：神经网络的发展杰弗里·埃弗里斯特·辛顿神经网络的特点神经网络的组成浅层人工神经网络模型Mnist数据集神经网络分析one-hot... 查看详情