題目：出自書本中的一條練習題
編程解決下述非線性問題：
輸入資料：[1,1,1],輸出目標值：2
輸入資料：[1,0,1],輸出目標值：1
輸入資料：[1,2,3],輸出目標值：3
下面是我寫的代碼：
import tensorflow as tf
import numpy as np
rowCount=3
xData = np.array([
[1,1,1],
[1,0,1],
[1,2,3],])
xTrainData = [2,1,3]
x = tf.placeholder(dtype=tf.float32)
yTrain =tf.placeholder(dtype=tf.float32)
w = tf.Variable(tf.zeros([3]),dtype=tf.float32)
b = tf.Variable(1,dtype=tf.float32)
n = w * x
y =tf.reduce_sum(n) + b
loss = tf.abs(y-yTrain)
optimizer = tf.train.RMSPropOptimizer(0.001)
train = optimizer.minimize(loss)
sess = tf.Session()
sess.run( tf.global_variables_initializer())
for i in range(10000):
for j in range(rowCount):
result= sess.run([train,x,w,b,yTrain,y,loss],feed_dict={x:xData[j],yTrain:xTrainData[j]})
print(result)
課本說是非線性問題，我寫的是線性，y=wx+b，但是題目需要實作非線性，用sigmoid不能輸出2，1，3這些值啊，是能夠用其它的激活函式進行非線性（去線性化）嗎？？？
uj5u.com熱心網友回復：
不太明白，就3個樣本就想訓練出一個模型？這是個分類問題還是回歸問題，如果是分類問題，建議問主看看邏輯回歸的多分類問題，還得用sigmoid函式；如果是回歸問題，課本說不是線性的，意思是不是要用多項式回歸解決？
uj5u.com熱心網友回復：
我覺得這就是個非線性方程組，但不是分類問題，所以不用用到sigmoid函式來分類。xData = np.array([[1, 1, 1],
[1, 0, 1],
[1, 2, 3]])
yTrainData = np.array([2, 1, 3])
x = tf.placeholder(shape=[3], dtype=tf.float32)
yTrain = tf.placeholder(dtype=tf.float32)
w = tf.Variable(tf.zeros([3]), dtype=tf.float32)
b = tf.Variable(1, dtype=tf.float32)
n1 = x * w
n2 = tf.reduce_sum(n1) - b
y = n2
loss = tf.abs(y - yTrain)
optimizer = tf.train.RMSPropOptimizer(0.01)
train = optimizer.minimize(loss)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
for i in range(1000):
for j in range(3):
result = sess.run([train, x, yTrain, w, b, n2, loss], feed_dict={x: xData[j], yTrain: yTrainData[j]})
print(result)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/159616.html
標籤：其他技術討論專區