tensorflow示例

很奇怪，我不知道如何以up主的身份連續(xù)發(fā)表兩則筆記，那就用小號發(fā)吧，圖片在上，解釋在下

對于已經(jīng)獲取到的數(shù)據(jù)，如何在AI和Machine Learning中運用

主要分兩步走：訓練模型和部署測試

要使用監(jiān)督學習，用線性回歸的方法，對一個或多個自變量之間關系進行建模

首先，

docker run -it --name test01 -v my-store:/home tensorflow/tensorflow bin/bash

運行一個名稱為test01的tensorflow/tensorflow類型的容器，在/home路徑下創(chuàng)建/ my-store文件夾

pip install --upgrade pip

更新pip文件

pip install matplotlib

安裝matplotlib

大約花了一個小時，10kb/s

嗚嗚嗚嗚嗚嗚

再新開一個終端

docker cp D:\下載\人工智能與云計算 id:/home/my-store

將主機的“人工智能與云計算”文件夾關聯(lián)到home/my-store中

記得運用docker ps -a 查看容器id

千萬注意，id和:/之間不要加空格

展示關聯(lián)效果

回到容器內(nèi)部的操作終端操作窗口

運用pwd操作查看當前路徑

運用ls操作查看當前路徑下的文件

運用cd操作實行路徑跳轉(zhuǎn)

chmod a+x lreg.py

給lreg.py文件添加執(zhí)行權限

python lreg.py

以python文件執(zhí)行l(wèi)reg.py

這里不知道為什么本地路徑的文件夾沒顯示，那就直接去docker里面保存吧

初次執(zhí)行完的效果

想要更改lreg.py代碼時，由于更改本地文件沒有用（你可以試試，刪去一個文件再ls，它仍會顯示，而且名稱前會帶 ' 標記已刪除），所以只能修改完文件后重新關聯(lián)文件夾

我在本地新建了一個文件夾，里面放置了5個配置不同的lreg文件，再將新文件夾的路徑關聯(lián)到容器里（可以試試 不新創(chuàng)建 能不能更新原文件夾內(nèi)的文件，我沒試過）

為每個文件添加權限，再分別執(zhí)行腳本

測試結(jié)果：

↑原始

learning_rate = 10

learning_rate = 100

Training cost = nan Weight = nan bias = nan

training_epochs = 3000

np.random.seed(505)

tf.set_random_seed(505)

?