我完全新的tensorflow并通过GetStarted页面+教程正要在这里: https://www.tensorflow.org/get_started/get_startedTensorFlow LinearRegressor contrib.learn预测不手动训练赛预测结果
随着tf.contrib.learn例如,我稍微改变了一下,但为了简单起见,我仍保持着一条完美的线条。但是,当我要求估算人员进行预测时,我没有得到我的预期结果+当我不使用tf.contrib.learn时得到的预测结果,我希望有人能够解释这种差异。
tf.contrib.learn
随着tf.contrib.learn我得到预测结果= [9.84994888 11.78239346 13.71483707]和我期待它是更为接近10,12,14
手动基于TensorFlowimport tensorflow as tf
import numpy as np
features = [tf.contrib.layers.real_valued_column("x", dimension=1)]
estimator = tf.contrib.learn.LinearRegressor(feature_columns=features)
x = np.array([1., 2., 3., 4.])
y = np.array([2., 4., 6., 8.])
input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x}, y, batch_size=4, num_epochs=1000)
estimator.fit(input_fn=input_fn, steps=1000)
print(estimator.evaluate(input_fn=input_fn))
print(np.asarray([i for i in estimator.predict(x={'x': np.array([5., 6., 7.])})]))
培训获取手动启动页面
训练,我的预测结果= [10 12 14]和自然是我EXPE克拉。
import tensorflow as tf
sess = tf.Session()
W = tf.Variable([2.], tf.float32)
b = tf.Variable([0.], tf.float32)
x = tf.placeholder(tf.float32)
linear_model_y_result = W * x + b
init = tf.global_variables_initializer()
sess.run(init)
y = tf.placeholder(tf.float32)
squared_deltas = tf.square(linear_model_y_result - y)
loss = tf.reduce_sum(squared_deltas)
print(sess.run(loss, {x:[1.,2.,3.,4.], y:[2.,4.,6.,8.]}))
y_ = tf.multiply(x, W)
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)
x_train = [1.,2.,3.,4.]
y_train = [2.,4.,6.,8.]
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
for i in range(1000):
sess.run(train, {x:x_train, y:y_train})
pred_y = sess.run(y_, {x:[5.,6.,7.]})
print(pred_y)
希望如果有人能向我解释,我错过的差异,为什么/或什么,需要为了得到tf.contrib.learn有加预测,伏贴(因为我认为结果他们应该为这个简单的例子)。
感谢
谢谢!我没有意识到我可以在那里添加一个优化器,所以很高兴知道。但是,没有完全按照我认为应该做的。在tensorflow页面上,他们使用y = 0,-1,-2,-3,线性关系+预测它是完全线性的。我不明白为什么y = 2,4.6,8应该改变这一点。谢谢 –
可能是由于权重的初始化(您可能无法使用Estimator来控制) – corradio