Başlamadan öne TensorFlow’a Kolay Bir Başlangıç’a bakılması tavsiye edilir. TensorFlow hakkında daha detaylı bilgi için TensorFlow 101‘e bakınız. Daha detaylı bir örnek için TensorFlow: Lineer Regresyon’a bakınız.
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt ogrenme_orani = 0.01 devir_sayisi = 70 # rastgele bir egitim seti olusturalim. x_egitim = np.linspace(-1, 1, 51) y_egitim = 2 * x_egitim + np.random.randn(*x_egitim.shape) * 0.25 # olusturdugumuz egitim setine bir goz atalim. plt.scatter(x=x_egitim, y=y_egitim, marker='*', s=120, edgecolors='darkblue') plt.show()
# yer tutucularimizi ayarlayalim. X_ekseni = tf.placeholder(tf.float32) Y_ekseni = tf.placeholder(tf.float32) # agirlik degiskeni agirlik = tf.Variable(0.0, name="weights") # modeli olusturup, hesaplayalim. model = tf.multiply(X_ekseni, agirlik) kayip = tf.reduce_mean(tf.square(Y_ekseni - model)) egitim = tf.train.GradientDescentOptimizer(ogrenme_orani).minimize(kayip) oturum = tf.Session() init = tf.global_variables_initializer() oturum.run(init) for devir in range(devir_sayisi): for (x, y) in zip(x_egitim, y_egitim): oturum.run(egitim, feed_dict={X_ekseni: x, Y_ekseni: y}) bulunan_agirlik = oturum.run(agirlik) oturum.close() # veri setimize uyan dogruyu cizelim. plt.scatter(x_egitim, y_egitim, marker='*', s=120, edgecolors='darkblue') y_tahmin = x_egitim * bulunan_agirlik plt.plot(x_egitim, y_tahmin, 'magenta', lw=5) plt.show()