# 【Python机器学习】神经网络中全连接层与线性回归的讲解及实战（Tensorflow、MindSpore平台 附源码）

## 全连接层与线性回归

### 定义训练样本生成函数
import numpy as np
np.random.seed(1101) # 指定随机数种子，产生相同的随机数，便于观察试验结果
def f(x, w=3.0, b=1.0): # 目标函数
return x * w + b
def get_data(num):
for _ in range(num):
x = np.random.uniform(-10.0, 10.0)
noise = np.random.normal(0, 3)
y = f(x) + noise
yield np.array([x]).astype(np.float32), np.array([y]).astype(np.float32)
### 生成训练样本并增强
from mindspore import dataset as ds
import matplotlib.pyplot as plt
data_number = 80 # 样本总数
batch_size = 16 # 每批训练样本数（批梯度下降法）
repeat_size = 1
train_data = list(get_data(data_number))
X, y = zip(*train_data)
plt.scatter(X, y, color="black", s=10)
xx = np.arange(-10.0, 10, 1)
yy = f(xx)
plt.plot(xx, yy, color="red", linewidth=1, linestyle='-')
plt.show()

import numpy as np
np.random.seed(1101) # 指定随机数种子，产生相同的随机数，便于观察试验结果
def f(x, w=3.0, b=1.0): # 目标函数
return x * w + b
def get_data(num):
for _ in range(num):
x = np.random.uniform(-10.0, 10.0)
noise = np.random.normal(0, 3)
y = f(x) + noise
yield np.array([x]).astype(np.float32), np.array([y]).astype(np.float32)
from mindspore import dataset as ds
import matplotlib.pyplot as plt
data_number = 80 # 样本总数
batch_size = 16 # 每批训练样本数（批梯度下降法）
repeat_size = 1
train_data = list(get_data(data_number))
X, y = zip(*train_data)
plt.scatter(X, y, color="black", s=10)
xx = np.arange(-10.0, 10, 1)
yy = f(xx)
plt.plot(xx, yy, color="red", linewidth=1, linestyle='-')
plt.show()
import time
from mindspore import Tensor
def plot_model_and_datasets(net, train_data):
weight = net.trainable_params()[0]
bias = net.trainable_params()[1]
x = np.arange(-10, 10, 1)
y = x * Tensor(weight).asnumpy()[0][0] + Tensor(bias).asnumpy()[0]
x1, y1 = zip(*train_data)
x_target = x
y_target = f(x_target)
plt.axis([-11, 11, -20, 25])
plt.scatter(x1, y1, color="black", s=10)
plt.plot(x, y, color="blue", linestyle=':', linewidth=2)
plt.plot(x_target, y_target, color="red")
plt.show()
time.sleep(0.02)
from IPython import display
from mindspore.train.callback import Callback
class ImageShowCallback(Callback): # 回调类
def __init__(self, net, train_data):
self.net = net
self.train_data = train_data
def step_end(self, run_context):
plot_model_and_datasets(self.net, self.train_data)
display.clear_output(wait=True)

|
9天前
|

33 0
|
10天前
|

【python】python小游戏——开心消消乐（源码）【独一无二】
【python】python小游戏——开心消消乐（源码）【独一无二】
32 5
|
10天前
|

【python】python用户管理系统[简易版]（源码+报告）【独一无二】
【python】python用户管理系统[简易版]（源码+报告）【独一无二】
26 0
|
10天前
|

【Python】python天气数据抓取与数据分析（源码+论文）【独一无二】
【Python】python天气数据抓取与数据分析（源码+论文）【独一无二】
67 0
|
9天前
|
Python

30 8
|
5天前
|

【python】双十一美妆数据分析可视化 [聚类分析/线性回归/支持向量机]（代码+报告）【独一无二】
【python】双十一美妆数据分析可视化 [聚类分析/线性回归/支持向量机]（代码+报告）【独一无二】
36 0
|
5天前
|

【Python】Python仓储管理系统（源码）【独一无二】
【Python】Python仓储管理系统（源码）【独一无二】
22 0
|
10天前
|

【Python】Python房屋销售系统(源码)【独一无二】（课程设计）
【Python】Python房屋销售系统(源码)【独一无二】（课程设计）
26 0
|
10天前
|

【Python】Python商业公司贸易业务数据分析可视化（数据+源码）【独一无二】
【Python】Python商业公司贸易业务数据分析可视化（数据+源码）【独一无二】
16 0
|
10天前
|

【python】电影评分数据集的分析（python实现）（源码+报告）【独一无二】
【python】电影评分数据集的分析（python实现）（源码+报告）【独一无二】
30 0