Tensorflow逻辑回归不同的输出

你好我正在尝试使用张量流预处理Logistic回归（抱歉，如果我的代码看起来愚蠢），并且我已经在numpy中写入了一次成本函数，并且一次在张量流中，我得到了不同的结果对于相同的起始重量，有人能帮助我吗？的成本函数Tensorflow逻辑回归不同的输出

import numpy as np 
import tensorflow as tf 
import matplotlib.pyplot as plt 
from sklearn.datasets.samples_generator import make_blobs 


DataSize=1000 


data, y = make_blobs(n_samples=1000, centers=2, n_features=2,random_state=1,center_box=(-5.0,5.0)) 
plt.scatter(data[:,0],data[:,1]) 
plt.show(block=False) 
x=np.linspace(-1,5,1000) 



b=np.ones([1,1]) 

W=np.ones([2,1]) 
asd=W*x.T+b 
pred=np.dot(data,W)+b 
plt.plot(x,asd[0]) 

plt.show(block=False) 
result=((1))/(1+np.exp(-pred)) 
s=np.log(result) 


J=-(y.T.dot(s)+(1-y).T.dot(1-s))/1000 
print ("cost in numpy",J) 


# 
with tf.variable_scope("scopi",reuse=True): 

    X = tf.placeholder(tf.float32) 
    Y = tf.placeholder(tf.float32) 
    b = tf.Variable(tf.ones((1,1)),name="bias") 
    W = tf.Variable(tf.ones((1,2)),name="weights") 


    ypred=W*X+b 

    hx=tf.reduce_sum(tf.sigmoid(ypred),reduction_indices=1) 

    #cost = tf.reduce_mean(-tf.reduce_sum(y*tf.log(pred), reduction_indices=1)) 
    J=-tf.reduce_sum(tf.mul(tf.transpose(Y),hx)+tf.mul(tf.transpose(1-Y),(1-hx)))/1000 

    opti=tf.train.AdamOptimizer(0.1).minimize(J) 

with tf.Session() as session: 
    session.run(tf.initialize_all_variables()) 

    h = session.run(J, feed_dict={X: data, Y: y}) 

    print ("cost in tensorflow", h) 

# epoch = 100 
    # for i in range(epoch): 
    #  for j in range(DataSize): 
    #   session.run(opti, feed_dict={X: data[j], Y: y[j]}) 
    # 
    # 
    # 
    # 
    # 
    #  if i%10==0: 
    # 
    #   a=session.run(J,feed_dict={X:data,Y:y}) 
    # 
    #   print ("cost ", a)

成本样品：

（ '在numpy的成本'，阵列（[2.37780175]））（ '成本tensorflow'，0.073667422）

来源

2016-12-30 DavidOooO

你能告诉我们样本输出吗？ – martianwars

（'cost in numpy'，array（[2.37780175]））（'tensorflow'中的成本，0.073667422） – DavidOooO

您可以将其添加到问题中吗？ – martianwars

要初始化的权重在这条线的随机值：

：

session.run(tf.initialize_all_variables())

该行后，您可以像这样设置的值3210

session.run(tf.assign(b,tf.ones((1,2))))

来源

2016-12-31 23:48:02 jorgemf

实际上它不会初始化随机值，我多次运行代码并打印出相同的值。我在这个简单的分类问题上打破了我的头脑lol – DavidOooO

你确定吗？无论如何，你可以使用assign函数来设置你想要的值。 – jorgemf

行动，现在我看到它。这条线是没有意义的“W = tf.Variable（tf.ones（（1,2）），name =”weights“它应该是类似于”tf.variable（[2,1]）“和你按照我所说的设置值 – jorgemf

Tensorflow逻辑回归不同的输出

回答

相关问题