[LSE-01] モジュールをインポートします。
In [1]:
%matplotlib inline
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
[LSE-02] Placeholder x を定義します。
In [2]:
x = tf.placeholder(tf.float32, [None, 5])
[LSE-03] Variable w を定義します。
In [3]:
w = tf.Variable(tf.zeros([5, 1]))
[LSE-04] 計算式 y を定義します。
In [4]:
y = tf.matmul(x, w)
[LSE-05] Placeholder t を定義します。
In [5]:
t = tf.placeholder(tf.float32, [None, 1])
[LSE-06] 誤差関数 loss を定義します。
In [6]:
loss = tf.reduce_sum(tf.square(y-t))
[LSE-07] トレーニングアルゴリズム train_step を定義します。
In [7]:
train_step = tf.train.AdamOptimizer().minimize(loss)
[LSE-08] セッションを用意して、Variableを初期化します。
In [8]:
sess = tf.Session()
sess.run(tf.global_variables_initializer())
[LSE-09] トレーニングセットのデータを用意します。
In [9]:
train_t = np.array([5.2, 5.7, 8.6, 14.9, 18.2, 20.4,
25.5, 26.4, 22.8, 17.5, 11.1, 6.6])
train_t = train_t.reshape([12,1])
train_x = np.zeros([12, 5])
for row, month in enumerate(range(1, 13)):
for col, n in enumerate(range(0, 5)):
train_x[row][col] = month**n
[LSE-10] 勾配降下法によるパラメーターの最適化を100000回繰り返します。
In [10]:
i = 0
for _ in range(100000):
i += 1
sess.run(train_step, feed_dict={x:train_x, t:train_t})
if i % 10000 == 0:
loss_val = sess.run(loss, feed_dict={x:train_x, t:train_t})
print ('Step: %d, Loss: %f' % (i, loss_val))
[LSE-11] さらに100000回繰り返します。
In [11]:
for _ in range(100000):
i += 1
sess.run(train_step, feed_dict={x:train_x, t:train_t})
if i % 10000 == 0:
loss_val = sess.run(loss, feed_dict={x:train_x, t:train_t})
print ('Step: %d, Loss: %f' % (i, loss_val))
[LSE-12] トレーニング後のパラメーターの値を確認します。
In [12]:
w_val = sess.run(w)
print (w_val)
[LSE-13] トレーニング後のパラメーターを用いて、予測気温を計算する関数を定義します。
In [13]:
def predict(x):
result = 0.0
for n in range(0, 5):
result += w_val[n][0] * x**n
return result
[LSE-14] 予測気温のグラフを描きます。
In [14]:
fig = plt.figure()
subplot = fig.add_subplot(1,1,1)
subplot.set_xlim(1,12)
subplot.scatter(range(1,13), train_t)
linex = np.linspace(1,12,100)
liney = predict(linex)
subplot.plot(linex, liney)
Out[14]: