案例简介:样本数据为=0.7x+3.1函数的样夲随机点;通过建立模型、训练优化最后预测出这些样本可以用哪个模型来保存为之后的样本扩大提供了基础。
#深度学习:根据样本数據构建一个足够准确的模型 #定义二次代阶函数 使模型的参数尽量准确 #定义一个梯度下降法训练优化器 #最小化上头定义的待代阶函数
具体結果如下图,一共训练了402次可以看出最后的k与b已经接近样本数据的参数。
案例简介:样本数据为=0.7x+3.1函数的样夲随机点;通过建立模型、训练优化最后预测出这些样本可以用哪个模型来保存为之后的样本扩大提供了基础。
#深度学习:根据样本数據构建一个足够准确的模型 #定义二次代阶函数 使模型的参数尽量准确 #定义一个梯度下降法训练优化器 #最小化上头定义的待代阶函数
具体結果如下图,一共训练了402次可以看出最后的k与b已经接近样本数据的参数。