【Python-ML】神经网络-Theano张量库(GPU版的Numpy)
生活随笔
收集整理的這篇文章主要介紹了
【Python-ML】神经网络-Theano张量库(GPU版的Numpy)
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
# -*- coding: utf-8 -*-
'''
Created on 2018年1月26日
@author: Jason.F
@summary: pip install Theano，
Theano,對于張量能夠高效地實現、編譯和評估數學表達式，支持在GPU上運行，利用GPU中巨大內存帶寬及浮點數運算能力
實現一個基于最小二乘法的線性回歸
'''
import theano
from theano import tensor as T
import numpy as np
import matplotlib.pyplot as pltprint(theano.config.floatX)#查看浮點變量的設置
theano.config.floatX='float32'
print(theano.config.device)#查看是在CPU還是GPU上
X_train =np.asarray([[0.0],[1.0],[2.0],[3.0],[4.0],[5.0],[6.0],[7.0],[8.0],[9.0]],dtype=theano.config.floatX)
y_train =np.asarray([1.0,1.3,3.1,2.0,5.0,6.3,6.6,7.4,8.0,9.0],dtype=theano.config.floatX)
def train_linreg(X_train,y_train,eta,epochs):costs=[]#initial arrayseta0=T.fscalar('eta0')y=T.fvector(name='y')X=T.fmatrix(name='X')w=theano.shared(np.zeros(shape=(X_train.shape[1]+1),dtype=theano.config.floatX),name='w')#calculate costnet_input = T.dot(X,w[1:])+w[0]errors=y-net_inputcost = T.sum(T.pow(errors,2))#perform gradient updategradient = T.grad(cost,wrt=w)update =[(w,w-eta0*gradient)]#compile modeltrain = theano.function(inputs=[eta0],outputs=cost,updates=update,givens={X:X_train,y:y_train})for _ in range(epochs):costs.append(train(eta))return costs,wcosts,w = train_linreg(X_train, y_train, eta=0.001, epochs=10)
plt.plot(range(1,len(costs)+1),costs)
plt.tight_layout()
plt.xlabel('Epoch')
plt.ylabel('Cost')
plt.show() def predict_linreg(X,w):Xt=T.matrix(name='X')net_input = T.dot(Xt,w[1:])+w[0]predict = theano.function(inputs=[Xt],givens={w:w},outputs=net_input)return predict(X)
plt.scatter(X_train,y_train,marker='s',s=50)
plt.plot(range(X_train.shape[0]),predict_linreg(X_train, w),color='gray',marker='o',markersize=4,linewidth=3)
plt.xlabel('x')
plt.ylabel('y')
plt.show()
結果：
總結
以上是生活随笔為你收集整理的【Python-ML】神经网络-Theano张量库(GPU版的Numpy)的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【Python-ML】神经网络-多层感知
- 下一篇： 【Python-ML】神经网络-深度学习